度量误差对模型参数估计值的影响及参数估计方法的比较研究

基于模型V=aDb,首先在Matlab下用模拟实验的方法,研究了度量误差对模型参数估计的影响,结果表明:当V的误差固定而D的误差不断增大时,用通常最小二乘法对模型进行参数估计,参数a的估计值不断增大,参数b的估计值不断减小,参数估计值随着 D的度量误差的增大越来越远离参数真实值;然后对消除度量误差影响的参数估计方法进行研究,分别用回归校准法、模拟外推法和度量误差模型方法对V和D都有度量误差的数据进行参数估计,结果表明:回归校准法、模拟外推法和度量误差模型方法都能得到参数的无偏估计,克服了用通常最小二乘法进行估计造成的参数估计的系统偏差,结果进一步表明度量误差模型方法优于回归校准法和模拟外推法．     

基于遗传算法的羊肚菌液体发酵动力学模型的建立

发酵动力学研究是实现发酵过程最优化控制及发酵过程放大的前提条件。本研究对羊肚菌液体深层发酵动力学进行了研究, 在Matlab软件平台上, 应用遗传算法对比了真菌生长较常用的Monod与Logistic方程在描述羊肚菌生长动力学时的优劣, 并对羊肚菌的生长、胞外多糖产生和基质消耗模型进行了参数估计。结果表明, Logistic方程与试验数据拟和情况更好, 并给出了羊肚菌液体深层发酵的动力学模型具体形式, 经验证, 模型的平均误差为5.8%。利用遗传算法选择羊肚菌动力学模型, 并进行参数估计与其他方法相比具有快速、搜索面广、接近全局最优解的特点, 在处理分批发酵动力学问题上具有不可比拟的优势, 发酵动力学模型的建立为发酵过程优化及放大奠定了基础。     

暖温带森林生态系统林下灌木生物量相对生长模型

灌木层作为暖温带森林生态系统的重要组成部分,其生物量估算的精确性及便捷性,成为森林生态系统能量流动、物质循环研究的重要环节。目前可用于暖温带森林生态系统灌木层生物量估算的相对生长模型较少。以河北雾灵山国家级自然保护区暖温带森林生态系统为研究对象,建立了该区域15种常见灌木的相对生长模型。研究发现:15种灌木全株和单一器官的最优相对生长方程均以D2H为自变量,分别以幂函数W=a(D2H)b或二项式函数W=a+b D2H+c(D2H)2为最优化回归方程。统计分析结果显示:判断系数R2值介于0.7331—0.9992之间,显著性检验各参数P0.01,满足回归模型的适用性要求。对研究区域常见灌木全株生物量(WTU)的普适性研究发现:以D2H为自变量的二项式函数回归模型WTU=0.0362+297.03D2H-127.1(D2H)2,R2=0.9434,P0.01,普遍适用于除去六道木(Zabelia biflora)和照山白(Rhododendron micranthum)之外的13种灌木植物的生物量估算。此模型对以上2种植物不适用的原因有待进一步研究。     

一种生长曲线的参数估计方法

本文在现有文献研究的基础上,对生长曲线的参数估计问题又作了进一步研究,给出了一种生长曲线参数估计的方法,并进行了示例计算．     

ING1家族各异构体抑制HeLa细胞增殖的分子机制研究

ING1(inhibitor of growth 1)是一个候选抑癌基因家族,p47ING1a、p33ING1b和p24ING1c是其三种剪接异构体.通过MTT法和流式细胞术研究ING1a、ING1b和ING1c对HeLa细胞增殖的影响,结果发现三者均可将HeLa细胞阻滞于G0/G1期并抑制细胞生长.采用PCR方法构建ING1a和ING1b的PHD结构域缺失体1aΔC和1bΔC,进而使ING1a,ING1b、ING1c、1aΔC和1bΔC在HeLa细胞中过表达.采用Western blot检测上述HeLa细胞中p16INK4a、PTEN/p27Kip1和p53/p21Waf1的表达变化,结果发现ING1a、ING1b、ING1c和1aΔC均可促进p16INK4a的表达,其中ING1c的促进作用最为显著,1bΔC则略微抑制了p16INK4a的蛋白质表达.利用荧光素酶分析初步确定1aΔC可增强p16INK4a启动子活性而促进p16INK4a的转录,1bΔC则抑制了p16INK4a启动子活性.上述结果阐释了ING1家族各成员对HeLa细胞增殖的影响及其分子机制,从而确定了各异构体功能的异同及它们所调控的重要基因.首次发现除p53/p21Waf1通路外,ING1家族各异构体还可通过上调p16INK4a和PTEN的表达而抑制肿瘤细胞生长,并且ING1a的PHD结构域删除体可以增强p16INK4a的转录,这为研究ING1家族抑制肿瘤细胞生长的分子机制提供了新的线索.     

生物种群动态微分方程模型参数估计方法

本文以数值分析和最优化技术的有机结合为基础,提出了一种新的对动态微分方程模型直接进行数据拟合和参数估计方法,并以Logistic微分方程、生物种间竞争关系微分方程以及一种复合形态的Logistic微分方程为例进行了数据拟合试验．结果表明,该方法对各种动态微分方程模型均能进行最优拟合分析并求解其参数．同时发现,以前有的作者〔1,2,3,4,5〕提出的方法所得到的参数估计值存在系统误差且误差较大．     

井冈山自然保护区12种常见灌木生物量的估测模型

灌木生物量模型是估测灌木生物量的重要方法之一。以井冈山自然保护区林下12种常见灌木为研究对象,根据树高（H）和地径（D）两个形态因子作为变量,进行回归分析构建模型。通过对比判别系数R 2的大小,筛选最佳生物量估测模型。方程W=a＋b X12 X2、W=a＋b X＋c X 2和W=a X b在模拟生物量时相关指数均较高,为0.904-0.991,达到极显著水平,可用于实际生物量估测,而方程W=a＋b X、W=a＋b X1＋c X2和W=a＋b ln X在模拟灌木生物量时结果较差。利用此类方法建立的生物量模型,精度高,简便易行,对以后估算井冈山自然保护区灌木生物量和碳储量具有十分重要的意义。     

北京东灵山地区植物群落多样性研究——种-面积曲线的拟合与评价

本文选择了 1 0条曲线作为种 -面积曲线的拟合模型 ,它们分别是S=b a A (1 )S=b aln A (2 )S=(b aln A) c (3)S=aln(A 1 ) (4)S=aln(b A 1 ) (5)S=a Ab (6)S=a A/ (1 b A) (7)S=c/ (1 ae-b A ) (8)S=c - ae-b A (9)S=a(1 - e-b A ) (1 0 )对其中的 7个非线性模型给出了参数初值的计算方法 ,并用 Gauss- Newton或 Marquardt方法计算非线性最优解。又选择了剩余标准差 (RSE)、相关指数 (CRI)、偏差绝对值的平均值 (AAD)和相对偏差绝对值的平均值 (AARD)作为模型拟合优劣的 4个评价指标。研究结果表明 :1 ) 7个非线性模型中参数初值的计算方法是可行的。从 4个评价指标来看 ,它们的非线性最小二乘解都明显优于线性最小二乘解 ;2 ) 1 0个模型的拟合效果都相当好 ,对 5个样地及其各层拟合的共 2 0 0个 CRI中有 71 .5%大于 0 .9,89%大于0 .8,其中曲线 (3)和 (9)最好 ,其次是 (5)、(6)、(2 ) ,(1 )和 (1 0 )最差 ;3)秩相关分析表明 ,3个评价指标RSE、AAD和 AARD相互之间存在极强的正秩相关 ,因此在本研究中 ,它们的评价结果具很强的一致性。     

Gompertz生长曲线模型参数的伴随同化估计

利用伴随同化方法研究了Gompertz生长曲线模型参数估计问题.以1790-2000年美国人口数据为例进行了数值实验,实验结果显示该方法是可行的.     

CO_2浓度升高对转Bt水稻生理指标的影响

通过OTC试验研究了生长60和120 d的转Bt水稻克螟稻及其对照亲本秀水11在2种CO2浓度(375、750μL·L-1)处理下的生理变化。结果表明:叶绿素a、叶绿素b、叶绿素a+b、可溶性蛋白含量以及谷氨酰胺合成酶活力等均随水稻生长而显著提高,游离氨基酸含量随水稻生长而显著下降,叶绿素a/b值在高CO2浓度下显著增加;CO2浓度升高会引起水稻组织含水量、叶绿素a和c含量显著降低,叶绿素b含量呈先增加后降低的趋势;同时,可溶性蛋白含量显著下降,游离氨基酸含量显著增加,谷氨酰胺合成酶活性初期变化不显著、后期显著降低;转Bt水稻及其对照亲本之间可溶性蛋白含量和谷氨酰胺合成酶活力差异显著,但叶绿素和游离氨基酸含量差异不显著;与亲本相比,不同CO2浓度处理下克螟稻的谷氨酰胺合成酶活力显著降低。     

打孔称重法与复印称重法和长宽校正法测定水稻叶面积的方法比较

打孔称重法是基于相近叶位叶片的比叶重（单位面积叶片重量）相对恒定的原理,通过测定采样区植物叶片干重和少量叶片比叶重计算叶面积和叶面积指数的方法。比较试验结果表明：打孔称重法与长宽校正法和复印称重法测定的水稻叶面积呈极显著相关;打孔称重法和复印称重法所测定的叶面积指数平均值经统计检验差异不显著。2种方法均能很好地袁征不同处理间叶面积指数的差异。     

Method in macroecology

Macroecology is concerned with understanding the abundance and distribution of species at large spatial and temporal scales. Understanding pattern and process in macroecology thus presents a considerable methodological challenge, as the scales of interest are simply too large for the traditional ecological approach of experimental manipulation to be possible or ethical. Here, I summarise the methods that have been most commonly employed to explore macroecological questions, discuss important methodological issues that need to be considered when interpreting macroecological data, and suggest likely future developments in macroecological methodology.

Zusammenfassung

Die Makroökologie befasst sich mit dem Verständnis der Abundanz und der Verbreitung der Arten in großen räumlichen und zeitlichen Maßstäben. Das Verständnis von Mustern und Prozessen in der Makroökologie stellt deshalb eine beträchtliche methodische Herausforderung dar, weil die Skalen von Interesse für die traditionelle ökologische Vorgehensweise der experimentellen Manipulation einfach zu groß sind, als dass sie möglich oder ethisch vertretbar wäre. Hier fasse ich die Methoden zusammen, die am häufigsten zum Einsatz kommen, um makroökologische Fragen zu erforschen, diskutiere wichtige methodische Punkte, die beachtet werden müssen, wenn makroökologische Daten interpretiert werden, und deute auf wahrscheinliche zukünftige Entwicklungen in der makroökologischen Methodik hin.     

Hochberg's Step-Up Method: Cutting Corners Off Holm's Step-Down Method

Holm's method and Hochberg's method for multiple testing canbe viewed as step-down and step-up versions of the Bonferronitest. We show that both are special cases of partition testing.The difference is that, while Holm's method tests each partitionhypothesis using the largest order statistic, setting a criticalvalue based on the Bonferroni inequality, Hochberg's methodtests each partition hypothesis using all the order statistics,setting a series of critical values based on Simes' inequality.Geometrically, Hochberg's step-up method ‘cuts corners’off the acceptance regions of Holm's step-down method by makingassumptions on the joint distribution of the test statistics.As can be expected, partition testing making use of the jointdistribution of the test statistics is more powerful than partitiontesting using probabilistic inequalities. Thus, if the jointdistribution of the test statistics is available, through modellingfor example, we recommend partition step-down testing, settingexact critical values based on the joint distribution.