基于神经网络的马尾松叶绿素含量高光谱估算模型

分析不同生长期的马尾松冠层反射光谱特征与相应叶绿素含量的相关关系.利用36个红边参数逐一筛选,最终确定7个与叶绿素含量相关性较高的红边参数作为光谱特征参数,分别应用逐步分析法与BP神经网络构建叶绿素含量的高光谱估算模型;同样,筛选出4个植被指数作为光谱特征参数,同时,将对原始光谱进行主成分分析降维后的前4个主成分作为BP神经网络的输入变量,分别应用逐步分析法与BP神经网络构建叶绿素含量的高光谱估算模型.结果表明: 将红边参数作为输入变量建立的逐步回归模型和BP神经网络模型的决定系数(R²)分别为0.5205、0.7253,均方根误差(RMSE)分别为0.1004、0.0848,相对误差分别为6.3%、5.7%.将植被指数作为输入变量建立的逐步回归模型和BP神经网络模型的R²分别为0.5392、0.7064,RMSE分别为0.0978、0.0871,相对误差分别为6.2%、6.0%.基于主成分分析的BP神经网络模型的预测效果最好,R²为0.7475,RMSE为0.0540,相对误差为4.8%.     

PLS-ANN判别分析自体荧光光谱识别胃癌

本文对58例胃癌病人离体标本的癌浆膜和正常浆膜进行以308nm为激发光的自体荧光光谱检测,采用多因素分析法进行光谱信息提取,以识别胃癌。研究表明偏最小二乘法结合神经网络法（简称PLS—ANN）进行判别分析,诊断胃癌的灵敏度为86％,特异度为100％,准确率为93％,有望成为手术中快速识别胃癌在胃壁的浸润范围的有效方法。     

基于BP神经网络的siRNA活性预测

RNA干扰(RNAinterference,RNAi)是由双链RNA(dsRNA)引起的基因沉默现象,它通过降解具有同源序列的mRNA来起作用,特殊设计的siRNA能使靶基因发生特异性沉默,起到确定基因功能或沉默致病基因从而治疗疾病的目的。在RNAi技术的应用中,通常采用的是长度为19bp,正、反义链3'端各有2个不配对碱基的双链RNA(siRNA)。但针对靶基因不同位点设计的siRNA作用效果差别很大。影响siRNA效果的因素是多方面的,这些因素的作用又是非线性的。本文在研究影响siRNA作用效果的各种因素的基础上,对已经公开发表的实验数据进行特征提取,作为BP神经网络的训练数据,并将训练好的BP神经网络用于siRNA活性预测。     

基于BP神经网络与ETM+遥感数据的盐城滨海自然湿地覆被分类

高效而精确的湿地遥感分类是大范围湿地资源动态监测与管理的必要保障。本研究使用ETM 遥感数据,借助Matlab神经网络工具箱,构建了基于BP神经网络的滨海湿地覆被分类模型,并将其应用于江苏盐城沿海湿地珍禽国家级自然保护区的核心区的自然湿地覆被分类研究中。本研究选择3、4、7、8波段作为输入层变量,单隐藏层设为10个节点,输出层变量对应待划分的8种覆被类型,构建三层式BP神经网络滨海湿地覆被分类模型。结果显示,BP分类总精度为85.91%,Kappa系数为0.8328,与最小距离法和极大似然法的分类总精度相比,分别提高了7.99%和6.08%,Kappa系数也相比提高。研究结果表明,BP神经网络分类法是一种较为有效的湿地遥感影像分类技术,能够提高分类精度。     

基于光谱特征变量的湿地典型植物生态类型识别方法——以北京野鸭湖湿地为例

光谱特征变量的选择对于湿地植被识别的精度和效率有着直接的影响作用.以华北地区典型的淡水湿地——野鸭湖湿地为研究区,采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植物的冠层光谱.以野外高光谱数据为基础,首先利用一阶导数与包络线去除的方法,分析和对比不同植物生态类型的光谱特征,选定了用于识别植物生态类型的光谱特征变量,选定的8个光谱特征变量为红边位置WP_r、红边幅值Dr、绿峰位置WP_g、绿峰幅值Rg、510 nm附近的吸收深度DEP-510和吸收面积AREA-510、675 nm附近的吸收深度DEP-675和吸收面积AREA-675.其中,7种植物生态类型的一阶导数光谱特征差异较小,吸收特征差异性相对较大.除WP_r和WP _g外,沉水植物Rg和Dr平均值最低,湿生植物的Rg平均值最高,达到0.164,栽培植物的Dr平均值最高,达到0.012.7种植物生态类型在675 nm附近的DEP-675和AREA-675均高于510 nm附近的DEP-510与AREA-510,除去栽培植物,随着水分梯度的变化,其他6种植物生态类型的吸收深度和吸收面积都表现出先升高后降低的趋势.然后利用单因素方差分析(One-way ANOVA)验证了所选光谱特征变量的区分度,在P≤0.01的置信水平下,选取的8个光谱特征变量都能够较好的区分7种植物生态类型,区分度的最小值为13,最大值为18,并且吸收特征参数的区分度优于一阶导数参数.最后应用非线性的反向传播人工神经网络(BP-ANN)与线性判别分析(FLDA)的类型识别方法,利用选定的8个光谱特征变量进行湿地植物生态类型识别,取得了较好的识别精度,两种方法的总分类精度分别达到85.5％和87.98％.单因素方差分析(One-way ANOVA)和不同分类器的分类精度表明,所选的8个光谱特征变量具有一定的普适性和可靠性.     

BP将投5亿美元建能源生物研究院

BP日前宣布,将投资重大基础科学研究,并把研究成果应用于生产新的更清洁的能源。为此,BP计划在未来10a内投资5亿美元,依托美国或英国的一家重点学术中心,建立世界上首座专注于生物科学能源研究的实验室。     

RNF8/RNF168信号通路在DNA损伤修复中的作用

细胞内DNA会受部分外界因素(如紫外辐射,电离辐射和化学毒素)和内部因素(如复制错误)的影响而发生损伤,包括DNA双链断裂、DNA错配和DNA交链等。DNA损伤发生后,损伤部位会被一些蛋白识别,进而招募一系列蛋白至损伤部位,形成一个修复系统。DNA双链断裂是最严重的一种DNA损伤,错误修复往往导致疾病的发生。DNA双链断裂(double strand break, DSB)后,细胞启动RNF8/RNF168信号通路进行修复。RNF8和RNF168是这条通路的枢纽蛋白;53BP和BRCA1是关键的效应蛋白,决定着DSB修复的方式;组蛋白泛素化、磷酸化和甲基化等翻译后修饰是这条通路顺利进行的基本条件;染色质重塑、泛素化酶/去泛素化酶平衡和蛋白稳定性是这条通路的主要调节方式。本综述对RNF8/RNF168信号通路进行了梳理总结,希望其能对相关研究者起到参考作用。     

基于BP神经网络模型的全球森林土壤异养硝化过程N2O排放通量估算

N₂O作为重要的温室气体之一,对地球和人类都有很大的影响。为了深入探究对有机氮异养硝化作用及其产生N₂O过程的影响机制,完善全球N₂O通量估算模型,本研究采用Pearson相关性分析与广义可加模型(GAM)对全球135个样点有机氮异养硝化速率及其产生N₂O速率的影响因子进行分析,然后将主要影响因子作为BP神经网络的输入层来模拟全球森林土壤有机氮异养硝化速率及其产生N₂O速率的空间分布。结果显示,土壤pH和土壤C/N是影响有机氮异养硝化速率的主要因素,土壤C/N、土壤孔隙含水量(WFPS)以及土壤温度是影响有机氮异养硝化产生N₂O速率的主要因素。全球森林土壤异养硝化速率平均为0.4241(0.0014～0.689)μg N·g^-1·d^-1,异养硝化产生N₂O速率平均为0.2936(0.21～1.103)μg N₂O·kg^-1·d^-1     

海州湾春季短蛸的栖息分布特征及其与环境因子的关系

近年来,我国近海多种重要渔业资源处于不同程度的衰退状态,而短蛸具有生命周期短、生长迅速的特点,在我国近海经济渔获产量中占重要地位。然而,有关短蛸的栖息分布特征及其与环境因子的关系尚缺乏研究,不利于更好地保护和利用其资源。本研究根据2011年和2013—2017年春季海州湾的渔业资源和环境因子调查数据,采用随机森林模型、人工神经网络模型和广义提升回归模型3种机器学习方法分析了短蛸的栖息分布特征及其与环境因子的关系。结果表明: 随机森林模型的拟合效果和预测能力在3种模型中优势较大,选择该模型进行分析表明,底层水温、水深和底层盐度对短蛸的栖息分布有较大影响。短蛸的相对资源密度随底层水温、水深和底层盐度的增加均呈先上升后下降趋势。根据FVCOM模型模拟的环境数据,应用随机森林模型预测了短蛸在海州湾海域的栖息分布,发现短蛸主要分布在34.5°—35.8° N、119.7°—121° E之间的海域。