用PFU法研究微型生物群集过程中数据的处理

根据MacArthur-Wilson的岛屿区系平衡模型St=Scq(1-cGT),可以从野外生态效应试验和室内毒性试验中,提出3个功能参数(Scq、G、t90%)进行比较。本文提出两种计算方法：复合梯形法和最小二乘法,后者已在计算机上实现了BASIC计算程序。从数学理论上论证,最小二乘法误差较小,但如果实验布局合理,两种计算方法能得到十分一致的结果。实验模型是否符合理论模型,可以用统计学上的拟合差异度检验法来检验。     

用微型生物群落评价常德市水系的研究

本文应用PFU法对常德水系四季微型生物群落的结构和功能进行了分析。根据MacArthur-Wilson平衡模型提出了3个功能参数,测定了微型生物的2个结构参数。同步进行了16个站四季的水质分析,提出化学综合污染指数(P)。经统计学处理,P和微型生物群落的HI、S_(eq)、G、T_(90％)等指数均呈显著性相关。物种多样性(d)也在一定程度上反映出城市水体的不同污染程度。再次证明PFU微型生物监测方法的科学性,为生物监测提供了快速、经济、正确的新方法。     

德州市低碳农业发展潜力分析及对策

进入21世纪,农业节能减排逐渐引起人们的关注。运用能源碳排放计算模型,对德州市2003-2008年农业碳源、碳汇进行计算分析,结果表明:(1)目前德州市农业碳源现状为7.29TgCO2eq.a-1,其中由农业能源消费、土壤呼吸、化肥施用和牲畜饲养造成碳排放分别为2.81、2.12、0.93和1.43TgCO2eq.a-1;(2)农业碳汇现状能力为9.24TgCO2eq.a-1,包括由于土地利用变化造成的碳排放4.73TgCO2eq.a-1和通过施用有机肥和实施秸秆还田的固碳能力4.51TgCO2eq.a-1;(3)碳汇能力较碳源释碳量有所盈余,具有发展低碳农业的潜力。从减源、增汇两个方面提出德州市未来发展低碳农业的相关措施,如调整农业产业结构,改进土地利用方式、实行保护性耕作、提倡农村可再生能源利用、推广立体种养模式,发展种养结合的循环农业等。     

房室模型的室数预判和初值计算的差商-a’方法

本文提出一种用于分析药动学中血药浓度c-t数据的乳突状房室开模型的模型拟合预前分析数学方法“差商-a＇”法,此法是对剩余法思想的数值描述和推广。它是解决用最小二乘迭代法计算房室模型参数时,对室数N的预估,对迭代初始值的选点计算问题的一种新方法。这种方法从模型室数的合理选择和初值择优方面大大改善了迭代计算的收敛速度,且可为实现计算机自动判室提供有效信息。     

双底物酶促反应动力学机制判别的优化方法

研究双底物酶促反应动力学机制的常用方法是二次作图法.本文针对二次作图法存在的问题提出了一种基于最小二乘拟合的优化算法.该算法利用最小二乘原理对顺序机制和乒乓机制下的双倒数速度方程的常系数进行拟合求解,通过比较两种拟合方程下得到的残差平方和判别酶促反应的动力学机制.通过实例计算证明该优化算法具有可靠性强、计算过程简单的特点,在双底物酶促反应动力学机制判别的准确性方面更具优势.     

Bayesian model predicts the aboveground biomass of Caragana microphylla in sandy lands better than OLS regression models

回归模型可用于预测森林生态系统地上生物量,其中最为常用的是最小二乘回归模型。在预测灌木,尤其是多茎灌木的地上生物量 时,最小二乘法与贝叶斯方法的比较很少被研究。我们开发了小叶锦鸡儿(Caragana microphylla Lam.)生物量预测模型。小叶锦鸡儿是科尔 沁沙地广泛分布的多茎灌木,对减少风蚀、固定沙丘具有重要作用。本研究建立6种表征生物量的异速增长模型,并基于统计标准选择 在预测生物量方面表现最佳的1种,然后分别用最小二乘法与贝叶斯方法对模型中的参数进行估计。参数估计过程中用自助法考察样本量大 小的影响,同时区分测试集与训练集。最后,我们比较了最小二乘法与贝叶斯方法在小叶锦鸡儿地上生物量预测中的表现。异速增长的6个 模型均达到显著水平,其中幂指数为1的模型表现最佳。研究结果表明,采用无先验信息与有先验信息的贝叶斯方法进行估计,得到的均 方误差在测试集上低于最小二乘法。另外,基径作为预测变量在最小二乘法与贝叶斯方法中均不显著,表明在生物量预测模型中应谨慎选 择合适变量。本研究强调贝叶斯方法、自助法和异速增长模型相结合能够提升沙地灌木生物量预测模型的准确度。     

用PFU原生动物群落进行生物监测的研究

应用PFU法收集微型生物群落,监测鸭儿湖的农药污染。原生动物对五个氧化塘内农药废水的毒性反应,可用群集过程来表示,无论室内或是野外试验,结果基本一致。其中微型生物群落的结构参数有原生动物种类组成和种数、叶绿素a含量、水细菌数量;功能参数有反映原生动物群集过程中的S_(eq)、G、t_(90％)和微型生物的呼吸速度。功能和结构的参数均能较准确地反映出氧化塘系统的净化过程。PFU法可应用于预报污染物的生物效应浓度,初认为是一种经济、快速、正确的生物学监测方法。     

分支分类学的一种计算方法——最小平行进化法

本文是“分支分类的一种计算方法—最大同步法”一文的姐妹篇。两种方法运算过程基本相同, 不同之处乃是最小平行进化法利用平行进化的概念,首先确立两个分支单位相结合时产生平行进化 的步数,即平行进化系数的计算公式,对所有待结合分支单位间计算平行进化系数。然后根据俭约性 原理,要获得最俭约演化树谱图,应该尽可能减少平行进化,也就是说在选择结合的分支单位时, 选择平行进化系数最小者优先结合。于是建立起一种新的分支分类运算方法。两种方法的思路完全不 同,从原理上讲对某些数据,最小平行进化法优于最大同步法,但后者运算量较大。如果将两种思路 兼顾,可以得出由这两种方法相结合而产生平行同步综合法．桔梗科6个种的数据作为例子进行运算说明。     

亚高寒草甸不同生境植物群落物种多度分布格局的拟合

物种多度分布是群落生态学研究的核心内容。通过对青藏高原东部亚高寒草甸3种不同生境草本植物群落的抽样调查,结合16个物种多度分布模型的两种曲线拟合优度检验得出如下结果：多种不同模型可以拟合同一生境的物种多度分布。相比于其他可拟合模型,几何级数模型在3种生境中两种拟合优度检验方法下的平均拟合效果是最好的,拟合优度值均在最优拟合优度值10左右波动。次优模型鉴于不同生境不同的检验方法表现不一。除了几何级数模型外,Sugihara分数模型在最小二乘法的拟合方法下,也可以拟合3种生境的物种多度分布。研究结果表明,仅用拟合优度检验区分产生不同物种分布格局的模型和机制是不可靠的,需要做进一步的检验性实验研究。     

基于负二项和零膨胀负二项回归模型的大兴安岭地区雷击火与气象因素的关系

雷击火的发生与气象因子之间存在着密切的关系。该文选用符合大兴安岭地区林火发生数据结构的负二项(negative binomial,NB)和零膨胀负二项(zero-inflated negative binomial,ZINB)两种模型对大兴安岭林区1980–2005年间雷击火的发生与气象因素间的关系进行建模分析,并与以往研究中所使用的最小二乘(OLS)回归方法相对比。使用SAS和R-Project统计软件进行模型拟合运算,计算得出模型各参数。结果表明,NB和ZINB模型对数据拟合较好,模型内各气象因子显著性水平较高,对雷击火发生次数均具有较好的预测能力。运用AIC和Vuong等检验方法,进一步比较了NB和ZINB模型对数据的拟合水平以及模型预测水平,结果表明ZINB模型无论在数据拟合还是模型预测上都要优于NB模型。提出了大兴安岭地区林火发生与气象因子关系的最优模型。     

单纯形加速法拟合生态学中的非线性模型

本文以Logistic模型,Taylor幂法则模型,Holling功能反应模型,以及种群内禀增长力Rm等模型的拟合和参数估计为例,探讨单纯形加速法在生态模型优化拟合和参数估计中的应用.结果表明,单纯形加速法拟合生态学中的非线性模型不仅适用广泛,而且拟合过程是直接求原来非线性模型的最优拟合,因而优于生态学中通常使用的将原模型“线性化后再拟合”的方法,而与其它一些最优化方法,如:麦夸方法、枚举选优法等比较,由于单纯形法不需计算目标函数的偏导数,因而计算不受目标函数及其偏导函数复杂程度的限制,而且对于各种模型其求优计算过程十分相似,可以编制统一的计算程序.本研究所编制的计算机程序对于本文未提到的其它一些模型也是完全适用的,在应用时仅需修改定义目标函数的自定义函数语句即可.研究也发现,在求优过程中,只要搜索系数选择适当和实际数据合理,是可以保证寻优成功的.     

基于挺水植物高光谱信息的再生水总氮含量估测——以北京市门城湖湿地公园为例

高光谱信息是探测植物体内氮素含量状况的重要手段,而植物体中的氮素与水体含氮量息息相关.本研究区为以再生水为主要补给水水源的北京门城湖湿地公园,通过获取区内典型的再生水氮净化挺水植物芦苇和香蒲叶片的高光谱数据,并在室内测定对应样点的水体总氮含量指标, 探讨基于典型湿地挺水植物高光谱数据对水体总氮进行遥感探测的可行性.采用4种高光谱参数(光谱指数、归一化差值指数、“三边”参数及吸收特征参数)分别建立一元线性模型、逐步多元回归模型和偏最小二乘模型,根据决定系数(R²)和均方根误差(RMSE)进行模型精度检验.结果表明: 逐步多元回归和偏最小二乘模型的预测精度高于一元线性模型. 3种模型对芦苇的拟合效果均优于香蒲.偏最小二乘模型对芦苇的拟合效果最优(R²=0.854,RMSE=0.647).500～700 nm是反映水氮含量的最佳波段范围,绿峰与红谷反射率的比值与水体总氮含量具有较强的相关性,尤其是吸收特征参数能够较好地预测水体总氮含量.     

森林生态效益的线性联立方程组模型的研究

在森林生态效益似乎不相关模型的基础上,分析众多生态效益中的相互依存和从属关系,引入内生变量Y1、Y2作为另一个生态方程的自变量,构造联立方程组模型．该模型比较深入地刻画了在森林生态效益因变量集中,以森林涵养水源效益为主导。与其它生态效益间的支配关系．从森林生态效益自身规律出发。构造联立方程组结构参数矩阵B和T,根据其中隐含的参数间约束条件,生成线性限制方程HA=L。是确保本森林生态效益联立方程组模型成功的关键．特别是对森林生态效益因变量与自变量非线性关系的分析,为森林生态效益联立方程组模型的构造奠定科学基础．本模型是过度可识别且误差结构矩阵不是对角矩阵的联立方程组模型．用三步最小二乘估计法的Matlab程序,得森林涵养水源、森林固土、森林保肥和森林防风固沙效益联立方程组模型,平均精度可达80％以上．由此估计出全国2000年的森林涵养水源生态效益量为4227×10^8t;森林固土效益量为3．9×10^8t;森林保肥效益量为4．7×10^8t;森林防风固沙量为22．8×10^8t．     

景观生态视角下草地生态质量的空间差异及其影响因素——以内蒙古四子王旗为例

科学评价北方荒漠草原的生态质量,有助于草地景观的生态修复与荒漠化防治。以内蒙古四子王旗为例,采用景观生态视角,通过构建生态质量评价体系,结合综合指数法和自然间断法,对研究区内130个行政村域的草地生态质量进行综合评价及类别划定;通过引入地理加权回归模型并对比最小二乘回归模型,评估外源压力对草地生态质量的影响。结果表明:(1)2016年四子王旗村域草地生态质量的指数变化幅度为0.003—0.765,呈现出北高南低的区域差异;在空间分布上,高高集聚、低低集聚和低高集聚的空间特征反映出村域草地生态质量的非均衡特征及空间依赖;(2)对比模型估计参数,地理加权回归模型具有解释草地生态质量空间异质性和处理数据非平稳性的优势,预测精度优于最小二乘回归模型;(3)6种变量对草地生态质量的回归系数表明,经济压力和环境压力的影响效应明显高于人口压力和资源压力。与草地生态质量变化呈正相关的因素依次为:生态用地比、人均耕地面积和草地载畜量,而与至城镇中心距离、劳动人口比和人均GDP则依次呈现出负相关关系。研究结果可为草地生态保护与治理提供参考。     

Experimental test and life estimation of the OLED at normal working stress based on the luminance degradation model

In order to accurately acquire the life time information for the organic light emitting diode (OLED), an experiment based on the normal stress life test was carried out to gain the data for the luminance degradation tests. The luminance degradation model of OLED was established based on the Weibull function and the least square method. Combined with luminance degradation data, Weibull parameters were estimated, the qualitative and the quantitative relationship between the initial luminance and the OLED life was obtained, and the life estimation of the product was achieved. Numerical results show that the test scheme is feasible, the luminance degradation model proves to be reliable for the OLED life estimation, and the fitting accuracy is very high by comparison with the test data fluctuation. Moreover, the real life time of the OLED is measured, which can verify the validity of the assumptions used in accelerated life test methods and provide manufacturers and customers with significant guidelines. Copyright © 2014 John Wiley & Sons, Ltd.     

多元性状同胞对连锁分析方法及其在原发性高血压基因定位数据中的应用

提出新的以广义最小二乘法原理处理同胞对数据间的相关性,以多元响应回归的方法处理多个性状数据间的相关性的多元性状同胞对连锁分析方法,模型的参数估计使用MCMC方法．并把此模型应用于原发性高血压基因定位的实际数据中．结果表明,与把多元性状拆成单一性状进行分析的方法相比,本文的方法可以提高估计的精度和检验的效能．     

Multivariate models for prediction of rheological characteristics of filamentous fermentation broth from the size distribution

The main purpose of this article is to demonstrate that principal component analysis (PCA) and partial least squares regression (PLSR) can be used to extract information from particle size distribution data and predict rheological properties. Samples from commercially relevant Aspergillus oryzae fermentations conducted in 550 L pilot scale tanks were characterized with respect to particle size distribution, biomass concentration, and rheological properties. The rheological properties were described using the Herschel-Bulkley model. Estimation of all three parameters in the Herschel-Bulkley model (yield stress (tau(y)), consistency index (K), and flow behavior index (n)) resulted in a large standard deviation of the parameter estimates. The flow behavior index was not found to be correlated with any of the other measured variables and previous studies have suggested a constant value of the flow behavior index in filamentous fermentations. It was therefore chosen to fix this parameter to the average value thereby decreasing the standard deviation of the estimates of the remaining rheological parameters significantly. Using a PLSR model, a reasonable prediction of apparent viscosity (micro(app)), yield stress (tau(y)), and consistency index (K), could be made from the size distributions, biomass concentration, and process information. This provides a predictive method with a high predictive power for the rheology of fermentation broth, and with the advantages over previous models that tau(y) and K can be predicted as well as micro(app). Validation on an independent test set yielded a root mean square error of 1.21 Pa for tau(y), 0.209 Pa s(n) for K, and 0.0288 Pa s for micro(app), corresponding to R(2) = 0.95, R(2) = 0.94, and R(2) = 0.95 respectively.     

A Fisher scoring algorithm for the weighted regression method of QTL mapping

An improved weighted least square (LS) method for quantitative trait loci (QTL) mapping using the estimating equation (EE) algorithm was developed recently. The method is more efficient than both the LS and the weighted LS methods and slightly less efficient than the mixture model maximum likelihood (ML) method. The iteration process of the EE algorithm is implicit. We developed a Fisher-scoring algorithm for the weighted LS method. The iteration process is explicit and easy to program. In addition, the method automatically provides an approximate variance-covariance matrix for the estimated QTL parameters as a by-product of the iteration process. As a consequence, a W-test statistic can be used for testing the significance of QTL. To compare the Fisher scoring algorithm with the expectation maximization (EM)-based ML method, we also developed a slightly simplified method to compute the variance-covariance matrix of the estimated parameters under the EM algorithm.     

An Investigation on the Allelic Chi‐Square Test Used in Genetic Association Studies

Case‐control studies are primary study designs used in genetic association studies. Sasieni (Biometrics 1997, 53, 1253–1261) pointed out that the allelic chi‐square test used in genetic association studies is invalid when Hardy‐Weinberg equilibrium (HWE) is violated in a combined population. It is important to know how much type I error rate is deviated from the nominal level under violated HWE. We examine bounds of type I error rate of the allelic chi‐square test. We also investigate power of the goodness‐of‐fit test for HWE which can be used as a guideline for selecting an appropriate test between the allelic chi‐square test and the modified allelic chi‐square test, the latter of which was proposed for cases of violated HWE. In small samples, power is not large enough to detect the Wright's inbreeding model of small values of inbreeding coefficient. Therefore, when the null hypothesis of HWE is barely accepted, the modified test should be considered as an alternative method. (© 2004 WILEY‐VCH Verlag GmbH & Co. KGaA, Weinheim)     

Travel Time Estimation Using Freeway Point Detector Data Based on Evolving Fuzzy Neural Inference System

Travel time is an important measurement used to evaluate the extent of congestion within road networks. This paper presents a new method to estimate the travel time based on an evolving fuzzy neural inference system. The input variables in the system are traffic flow data (volume, occupancy, and speed) collected from loop detectors located at points both upstream and downstream of a given link, and the output variable is the link travel time. A first order Takagi-Sugeno fuzzy rule set is used to complete the inference. For training the evolving fuzzy neural network (EFNN), two learning processes are proposed: (1) a K-means method is employed to partition input samples into different clusters, and a Gaussian fuzzy membership function is designed for each cluster to measure the membership degree of samples to the cluster centers. As the number of input samples increases, the cluster centers are modified and membership functions are also updated; (2) a weighted recursive least squares estimator is used to optimize the parameters of the linear functions in the Takagi-Sugeno type fuzzy rules. Testing datasets consisting of actual and simulated data are used to test the proposed method. Three common criteria including mean absolute error (MAE), root mean square error (RMSE), and mean absolute relative error (MARE) are utilized to evaluate the estimation performance. Estimation results demonstrate the accuracy and effectiveness of the EFNN method through comparison with existing methods including: multiple linear regression (MLR), instantaneous model (IM), linear model (LM), neural network (NN), and cumulative plots (CP).