科研产出
应用数学模型对中国荷斯坦奶牛305d产奶量预估研究
《畜牧与兽医 》 2016 北大核心
摘要：为了替代目前DHI报告中305 d产奶量预测使用的测定间隔法,对Sikka模型、Wood模型、Nelder模型、Dhanoa模型和Hayashi模型的一级参数(a、b、c)和二级参数(高分日、高峰奶)做了拟合度、均方误差和准确度的评判,并用不同完整度的数据对5个模型进行预测。结果显示:这5个模型应用数据均能迭代收敛,Nelder模型、Wood模型和Dhanoa模型能准确预测高峰日、高峰奶、日产奶量,305 d产奶量,其拟合度平均为0.893 7以上,均方误差低至0.006,预测的准确度达到0.999 6。此研究对提高DHI数据准确性及DHI整体工作的完善具有非常重要的意义。
全文链接
请求原文
基于MaxEnt的麦田恶性杂草节节麦的潜在分布区预测
《草业学报 》 2013 北大核心
摘要：节节麦是麦田恶性杂草,明确节节麦在全球及中国的潜在分布对有效控制其扩散蔓延有重要的指导意义。利用MaxEnt生态位模型对节节麦在全球及中国的潜在分布进行了预测。结果表明,西亚、中东、欧洲东南部和非洲北部地中海沿岸是节节麦在全球的主要适生区;节节麦在我国的适生区主要分布在冬小麦主产区河南、河北、山东、山西西南部、陕西关中平原、宁夏中南部、甘肃东南部、湖北、江苏和安徽北部。节节麦在全球的潜在分布区主要分布于北纬30°～45°的冬小麦主产区。随着全球气候的变化,温室气体在A1b排放情景下,到2050年,节节麦的潜在分布范围将有扩大趋势;A2a和B2a排放情景下,节节麦低风险区和中风险区则有缩减趋势,但高风险区变化不明显。
基于BP人工神经网络的土壤含水量预测模型的研究
《山东农业科学 》 2012
摘要：土壤含水量是制约植物生长的主要因子之一,因此科学地预测土壤含水量对充分利用土壤水资源具有十分重要的意义。提出了基于BP人工神经网络的土壤含水量预测模型,BP人工神经网络采用收敛速度较快和误差精度较高的动量-自适应学习速率调整算法。并通过基于这种模型的土壤含水量预测实验,结果表明BP人工神经网络预测模型提高了收敛速度和减少陷入局部最小的可能,并且提高了预测精度。
全文链接
请求原文
用人工神经网络解决农业中的非线性问题
《山东省农业管理干部学院学报 》 2007
摘要：本文介绍了人工神经网络的发展和基本原理,对人工神经网络在农业中用于病虫害预报、产量预测、模型建立和图像识别等方面进行了综述。最后结合应用实践,对人工神经网络在计算机中的实现方法做了探讨。
全文链接
请求原文
鸽子饲料代谢能和消化率的研究
《山东家禽 》 2001
摘要：测定了重要的鸽子饲料（玉米、小麦、大麦、稻谷＜红＞和稻谷＜白＞、高粱、豌豆、小扁豆、向日葵和大麻籽）的消化率和代谢能值。试验用10只成年笼养公鸽。所有饲料以粒状单笼喂养，自由采食。连续供给饮水和砂砾。每种饲料喂5只鸽子1周作为1个周期。与文献报道的鸡的消化率相比，鸽子对各种饲料蛋白（CP）的消化率和鸡无显著差异，鸽子碳水化合物（NFE）消化率较低（大麦62．37％对83．00％；豌豆63．45％对77．00％）；粗脂肪（EE）较高（大麦75．58％对61％；豌豆82．59％对80．00％）。鸽子的AMEn比鸡稍高，但无显著差异。含油高的饲料，这种差异可能大一些。饲料中CP、EE、CF和ME值两两之间的相关以及它们与代谢能之间的相关由多变量线性回归确定。结论是，要得到其它鸽料更精确的ME值，必须用试验方法获得，而不是用现有方程进行估计。
全文链接
请求原文
首页上一页1下一页尾页
