基于主成分分析下候选基因关联检验的数学模型

对候选基因的关联检验,都是针对性状在候选基因内使用多个SNP标记,并通过检验SNP单倍型来完成的,众所周知,多标记单倍型方法往往要比单标记方法表达出更多的信息,但是,单倍型的数量往往会随着所标记的SNP的数目增多而急剧的增加,这又会大大增加检验统计量的自由度,使用统计学中的主成分分析法来降低单倍型空间的维数,并构造关联检验来检验一个数量性状与多个单倍型的关联情况,模拟结果显示,此检验方法是较合理的.     

黑龙江GDP预测的数学模型及其影响因素分析

运用灰色系统理论中的GM(1,1)预测模型,以黑龙江省近七年来的GDP数据为例,对其未来几年的GDP状况进行了科学预测,并对影响GDP发展的主要因素进行了系统分析,确定了各因素相对于GDP发展的关联程度,为相应的决策部门提供科学依据.     

层次分析法在水资源短缺评价中的应用

以辽宁省水资源为研究对象,选取水资源短缺的承灾体的暴露性、脆弱性、致灾因子危险性、可恢复性为评价因子,并进一步将其划分为12个指标,作为层次分析(AHP)的子准则层,将风险等级划分为三个阶段.应用层次分析模型对辽宁省水资源短缺风险进行综合评价.结果表明辽宁省水资源处于高风险阶段,属于严重缺水.     

基于背景值优化的GM(1,1)模型在牡丹江GDP预测中的应用

针对GDP是制定地区经济发展战略目标和宏观经济政策的重要参考指标,若能对此指标进行准确的预测,则将会极大有利于该地区制定科学有效的经济政策.鉴于此,对能够影响传统GM(1,1)模型预测精度的背景值进行了优化分析,得到了背景值优化的GM(1,1)预测模型,利用牡丹江市近六年来的GDP数据,将背景值优化的GM(1,1)模型与传统GM(1,1)模型的预测误差做了对比分析,发现前者较后者在预测精度上有了较好的改善,并利用背景值优化的GM(1,1)模型对牡丹江市未来几年的GDP进行了科学预测,并依据预测结果,给出了提高牡丹江经济增长及增长方式转变的对策建议.