最大熵模型在物种分布预测中的优化

最大熵模型在物种分布的预测研究中得到广泛应用,但未经优化的模型的预测结果可能存在严重的拟合偏差.本文汇总了最大熵模型在取样偏差修正、模型复杂性调整、物种分布判定阈值选择以及模型检验过程中的若干优化方法.在取样偏差的修正中,空间筛除法的修正效果最好,而背景限制法表现不佳.模型复杂性受建模变量的数量、函数模式和调控系数的影响.在样本量小于建模变量的数量时需进行变量筛选,筛选标准应侧重其生态学意义,而非变量间的相关性;函数模式对模型表现影响不大,在预测结果相近情况下应选择简单模型;建模时需要调整调控系数以控制过度拟合,一般最优模型调控系数高于默认值.判定物种出现阈值应遵从客观性、等效性和判别力3个原则,敏感度和特异性加和最大是良好的阈值判定标准.模型检验可分为不依赖阈值的检验和依赖阈值的检验,在不依赖阈值的模型评估方法中,基于信息标准选择的模型表现优于基于AUC或相关系数(COR)选择的模型;在基于阈值的模型评估方法中,真实技能统计能够兼顾模型遗漏误差和错判误差,不受假设缺失影响,且受物种流行度的影响较小.     

基于逻辑斯蒂回归模型的鹭科水鸟栖息地适宜性评价

近年来湿地生态系统遭到不同程度破坏,湿地水鸟及其生存空间日益受到威胁。以香港米埔-后海湾湿地为例,收集2003年1月份与鹭科水鸟密切相关的15个自变量和鹭科水鸟实测数据作为因变量构建逻辑斯蒂回归模型,通过筛选获取9个变量因子,分别为土地利用,NDVI,坡度,降雨,TM4纹理,TM3纹理,道路密度,道路距离,人居密度。经Nagelkerke R2检验模型精度达到0.743,拟合度较高。利用模型结果快速聚类,对栖息地进行适宜性分级,分级结果与同期鹭科水鸟实测数据做拟合,精度达到77.4%。最后采集2009年1月份各变量因子数据对回归方程进行时间尺度检验,与同期实测鹭科水鸟数据拟合精度同样达到75.8%,模型具有较好的通用性。     

线索折扣效应研究概述

线索折扣效应是指更残缺刺激的呈现使部分残缺的同一刺激的识别发生困难.目前,错误假设说、竞争激活模型、失匹配假说和特征调节搜索模型是解释线索折扣效应较有影响的四种理论.已有研究表明,初始点、注视时间、学习方式、策略使用、个体差异、空白间隔和呈现顺序均会影响线索折扣效应的产生.本文结尾从加强研究基础理论、精确使用测量指标、逐步提高应用价值以及大力拓展未知领域四个方面探讨了该领域未来发展的可能趋势.     

比较逻辑斯蒂与地理加权逻辑斯蒂回归模型在福建林火发生的适用性

林火预测预报是科学有效进行林火管理的前提,是林业管理部门和科研工作者的广泛关注的领域。逻辑斯蒂回归(Logistic Regression,LR)是目前国内外广泛应用于森林火灾预测的模型方法,然而近年来有学者发现该方法没有充分考虑林火影响因子的空间相关性和异质性,从而导致模型拟合结果偏差。地理加权逻辑斯蒂回归(Geographically weighted logistic regression,GWR)模型考虑到了模型变量之间的空间相关性,有效提高的模型的拟合能力。为探讨GWLR模型在福建林火预测上的适用性,本研究应用LR和GWLR两种方法分别建立福建省森林火灾与气象因子的预测模型,通过模型拟合能力对比,判断在GWLR的适用性。研究以2000—2005年福建地区森林火灾卫星火点数据和每日气象因子为基础,将全样本分为60%的建模数据和40%的校验数据,并重复5次,建立5个样本组。选择在5个样本组中3个及以上表现显著的变量进入最终模型。研究结果表明GWLR在模型拟合度、模型残差、空间自相关性以及预测准确率等方面均优于LR模型,说明充分考虑模型变量的空间异质性有助于提高模型的预测精度,同时也验证了GWLR在福建地区林火预测上的适应性。此外,模型参数结果显示,"日最高地表气温"、"日最低地表气温"、"日平均风速"、"24小时降水量"、"日最高本站气压"、"日照时数"、"日最高气温"和"日最小相对湿度"8个因子对福建省林火发生有显著影响,研究结论为福建地区林火预测预报提供了新的方法。     

不同模型对拟合大兴安岭林火发生与气象因素关系的适用性

选用符合林火发生数据结构的Poisson和零膨胀Poisson(ZIP)模型对大兴安岭林区1980—2005年间林火发生与气象因素关系进行建模分析,并与普通最小二乘回归(ordinary least squares,OLS)方法的结果进行了对比分析.结果表明:OLS模型对研究区域林火发生与气象因素关系的拟合结果较差(R2=0.215);Poisson和ZIP模型的拟合效果较好,具有较好的火灾次数预测能力,且ZIP模型的预测能力高于Poisson模型.运用AIC和Vuong检验方法对Poisson和ZIP模型的拟合水平进行进一步检验,表明ZIP模型的数据拟合度优于Poisson模型.     

基于极大似然准则的生物序列模体的贝叶斯假设检验

针对生物信息学中序列模体的显著性检验问题,提出了一种基于极大似然准则的贝叶斯假设检验方法.将模体的显著性检验转化为多项分布的拟合优度检验问题,选取Dirichlet分布作为多项分布的先验分布并采用Newton-Raphson算法估计Dirichlet分布的超参数,使得数据的预测分布达到最大.应用贝叶斯定理得到贝叶斯因子进行模型选择,用于评价模体检验的统计显著性,这种方法克服了传统多项分布检验中构造检验统计量并计算其在零假设下确切分布的困难.选择JASPAR数据库中107个转录因子结合位点和100组随机模拟数据进行实验,采用皮尔逊积矩相关系数作为评价检验质量的一个标准,发现实验结果好于传统的模体检验的一些方法.     

决策失利后情绪的接近性效应与ERP证据

接近性效应是一种决策失利后的情绪体验受实际结果与意愿结果的接近程度影响的现象. 本研究采用事件相关电位(ERP)研究技术, 运用抽奖赌博任务实验范式考察了这一效应. 行为评定结果表明, 被试在实际结果与意愿结果很接近时更可能体验到后悔情绪, 且体验强度较高, 在实际结果与意愿结果相差较远时更可能体验到失望情绪, 且体验强度较低. 脑电结果显示, 接近性主效应在P300上表现显著, 同时, 与接近性的中、远水平条件相比, 近水平条件诱发一个新异晚正成分(LPC). 决策失利后实际结果与意愿结果接近程度不仅影响决策后情绪的性质, 而且调节情绪的强度.     

混合效应模型在林火发生预测中的适用性

林火是森林生态系统的重要影响因子,建立科学准确的林火预测预报模型对林火管理工作至关重要。本研究以不同气象因子为主要预测变量,基于Logistic回归和广义线性混合效应模型建立福建省林火发生预测模型,通过对比Logistic基础模型和广义线性混合效应模型的拟合度和预测精度,研究混合效应模型在林火预报中的适用性。结果表明: Logistic基础模型的受试者工作特征曲线下面积(AUC)值为0.664,验证准确率为60.4%。添加随机效应后,模型的拟合和检验精度均获得了提升。其中,考虑行政区划和海拔差异效应的两水平混合效应模型的表现最优,其AUC值和验证准确率分别比基础模型提升0.057和6.0%。用此混合效应模型对福建省各地区的林火发生概率进行预测的结果表明,福建省西北部和南部为林火中高发区域,西南部和东部为林火低发区域,与实际观测的火点分布一致。混合效应模型在数据拟合和林火发生预测方面均优于Logistic基础模型,可作为林火预测和管理的重要工具。     

高/低冲突不同的决策任务影响后续的执行控制表现(英文)

目的:探索高/低冲突不同的决策任务对其后执行控制的影响。方法:40名被试随机分配到高冲突涉及个人情感的道德两难任务组和低冲突与道德无关的决策任务组,而后分别考察两组人执行控制成绩的差异。结果:相比做出与道德无关决策的被试,完成涉及个人情感的道德两难决策任务后的被试在后续的多源冲突任务中表现更差。而且,在多源冲突任务难度最大的条件下,组间差异更大,完成涉及个人情感的道德两难决策任务的被试表现更加不如完成与道德无关决策的被试。结论:该研究表明冲突不同的决策任务对其后执行控制影响不同,冲突越大,其后的执行控制成绩越差。该研究有助于进一步加深我们对道德与非道德决策差异以及决策与执行控制关系的理解。     

熟鸡肉中金黄色葡萄球菌生长预测模型的建立

【目的】研究不同浓度和不同温度条件下金黄色葡萄球菌接种在熟鸡肉中的生长情况,比较3种常见预测模型拟合的准确性,选择最适合的预测模型建立一级和二级模型,为进一步探讨建立三级模型提供数据基础。【方法】测定浓度为102、103和104 CFU/g的金黄色葡萄球菌接种在15-36°C熟鸡肉中的生长数据,使用Matlab软件分别建立修正的Gompertz、Logistic和Baranyi模型,通过比较残差和拟合度(RSS、AIC、RSE)选择最优模型,并且拟合出生长参数(迟滞期、最大比生长速率和最大细胞密度),在此基础上通过响应面方程建立二级模型。最后对模型的可靠性进行了内部和外部实验验证。【结果】36°C和29°C条件下,修正的Gompertz模型最适合;22°C和15°C条件下,最适合模型按接种浓度依次为修正的Gompertz、Logistic和Baranyi模型,综合考虑,最优模型选择修正的Gompertz模型。通过计算预测标准差(%SEP)、平方根误差(RMSE)、准确性因子(Af)和偏差因子(Bf)对建立的二级模型进行数学检验,检验结果均在可接受范围内。【结论】用修正的Gompertz方程和响应面方程建立的一、二级预测模型可以为建立三级模型提供有效、精确的基础。     

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。     

大兴安岭塔河地区林火发生的优势预测模型选择

选取在经济学和社会科学领域广泛应用的零膨胀模型(zero-inflated models)和栅栏模型(Hurdle models)对大兴安岭地区林火发生进行模拟,应用赤池准则(AIC)、似然比检验(LR)和模型残差平方和(SSR)对两类共4个回归模型——零膨胀泊松模型(ZIP)、零膨胀负二项模型(ZINB)、栅栏泊松模型(PH)、栅栏负二项模型(NBH)进行拟合分析,最终选取适合此林火发生特性的预测模型.模型的AIC和SSR值表明,ZINB模型对当地林火数据的拟合度最高.运用LR检验对嵌套模型(ZINB与ZIP,NBH与PH)进行检验,结果显示: ZINB和NBH均优于各自的嵌入模型,说明负二项(NB)模型对数据结构中的过度离散现象可以很好地模拟和解释.根据研究区林火实际发生规律和两类不同模型的应用假设条件判断,零膨胀模型更适合塔河地区的林火特性.     

蛋黄液中沙门氏菌温度预测模型的建立

为探究温度对沙门氏菌在蛋液中生长规律的影响,测定了在4、10、15、20、25、30、37和42℃等不同温度下沙门氏菌的生长曲线,利用Origin 8.0软件中非线性最小二乘法的原理进行修正Gompertz方程、修正Logistic方程的拟合以及DMFit软件进行Baranyi模型的拟合,研究结果表明修正Gompertz模型、修正Logistic模型和Baranyi模型均能得到较高的决定系数(0.99),选取决定系数相对较高的修正Logistic模型进行一级模型的建立。通过参数估计后利用Ratkowsky模型对最大比生长速率以及迟滞期进行二级模型的拟合,通过Baranyi模型得到的生长参数建立的二级模型拟合度高于其他模型,最大比生长速率以及迟滞期二级模型决定系数分别为0.978和0.866。经检验,研究建立的模型可用于10~42℃温度范围内蛋黄液中沙门氏菌的生长预测。     

物种分布模型的发展及评价方法

物种分布模型已被广泛地应用于以保护区规划、气候变化对物种分布的影响等为目的的研究。回顾了已经得到广泛应用的多种物种分布模型,总结了评价模型性能的方法。基于物种分布模型的发展和应用以及性能评价中尚存在的问题,本文认为:在物种分布模型中集成样本选择模块能够避免模型预测过程中的过度拟合及欠拟合,增加变量选择模块可评估和降低变量之间自相关性的影响,增加生物因子以及将物种对环境的适应性机制(及扩散行为特征)和潜在分布模型进行结合,是提高模型预测性能的可行方案;在模型性能的评价方面,采用赤池信息量可对模型的预测性能进行客观评价。相关建议可为物种分布建模提供参考。     

The need for alternative plant species interaction models

对植物物种相互作用备选模型的需求 近年来，经典的Lotka-Volterra模型在分析和解释植物物种间竞争性相互作用方面的局限性愈发凸显。目前已经明确的3个问题是：(1)缺乏频率依赖性，其对于物种的长期共存至关重要；(2)需要考虑影响个体表现的未测量(通常不可测量)的变量(例如，土壤养分或病原体的空间变化)；以及(3)需要将测量误差与生物变异度分开。本文改进了经典的Lotka-Volterra竞争模型以期突破模型的局限。同时，我们将8个备选模型与丹麦草本植物群落中羊茅(Festuca ovina)和细弱剪股颖 (Agrostis capillaris) 3年以上的盖度数据拟合，应用贝叶斯建模框架来确定模型改进是否提高了模型的性能，并提高了其预测群落动态并因此检验假设的能力。研究结果表明，纳入频率依赖性和测量误差极大地改进了模型性能，但将可能的未测量变量考虑在内却未能改进其性能。我们的研究结果强调了在植物群落动态的定量研究中比较备选模型的重要性。只有考虑可能的备选模型，我们才能确定驱动群落构建和变化的因子，并提高我们预测植物群落行为的能力。     

亲体量和环境对东海小黄鱼补充成功率的影响

补充成功率通常可用多个假说机制进行解释,模型选择方法通过选择最优模型而支持某种特定假说.然而,由于忽略模型不确定性,将单一模型结果应用到衰退种类的资源管理或许并不是行之有效的方案.本研究利用1992—2012年东海区海洋渔业统计、渔业资源监测和渔业资源同步调查获得的小黄鱼亲体量丰度、补充量丰度资料,以及同年东海北部5—8月海表温度(SST)、经向风应力(MWS)、纬向风应力(ZWS)、海平面气压(SSP)和长江径流量(RCR)等水文环境数据,采用AIC、最大校正R2和变量显著性3种独立的模型选择方法对竞争模型进行优化,根据模型选择结果探寻影响小黄鱼补充成功率的显著因素.同时,采用贝叶斯模型平均(BMA)方法,在模型不确定性假设背景下对多种变量进行了概率集成.选取平均绝对误差、均方预测误差和连续排序概率评分3种概率检验方法评估贝叶斯模型平均方法和标准模型选择方法的预报系统的整体性能.结果表明:3种模型选择方法获得的模型形式并不一致,AIC选择的预测变量有亲体量和经向风应力,变量显著性方法为亲体量,最大校正R2为亲体量、经向风应力和长江径流量.亲体量与补充成功率为显著负线性关系(P<0.01),表明种群可能通过自相蚕食、饵料竞争等过度补偿效应控制补充成功率;经向风应力强度和长江径流分别对补充成功率有近似显著的正效应(P=0.06)和负效应影响(P=0.07).在平均绝对误差和连续排序概率评分分析指标中,贝叶斯模型平均方法均最小,变量显著性方法最大,最大校正R2模型在均方预测误差中估计精度最高.基于贝叶斯模型平均的亲体-补充量集成预报不仅可以提供精度较高的预报均值,而且可以通过概率分布定量评价模型预报的不确定性.     

基于集合卡尔曼滤波的南雄烟草LAI数据同化研究

叶面积指数(LAI)是表征烟草生长健康状态的重要指标之一,获取准确的LAI数据是监测烟草生长走势的重要步骤。以广东省南雄地区为试验区开展了集合卡尔曼滤波同化方法在烟草LAI的应用研究。通过野外实测得到南雄烟草生长期内的高光谱数据,并计算每个生长期的归一化植被指数(NDVI),依据NDVI值获得LAI测量数据;通过积温数据和实测LAI数据构建了符合南雄地区烟草LAI变化规律的LOGISTIC模型;并以LAI为研究变量,利用集合卡尔曼滤波数据同化技术融合NDVI数据计算得到的LAI和简化LOGSITIC模型拟合得到的LAI这两种不同的数据信息,获取实验区烟草生长期时间序列上的连续LAI数据。最后,进一步对比了数据同化方法、NDVI计算LAI方法和LOGISTIC模型拟合这3种方法获取烟草LAI的效果。结果显示:数据同化方法、NDVI计算LAI方法和LOGISTIC模型拟合3种方法均可一定程度上表征烟草LAI的变化状态,其中数据同化方法拟合效果最优。实验发现NDVI计算LAI方法在烟草生长前后期LAI值出现偏大或偏小的异常情况;LOGISTIC模型拟合则不能有效的描述烟草LAI的突发性变化;同化方法综合作物生长模型和遥感监测的优势,能够动态调节参数得到LAI优化结果,同化后LAI结果和真实值吻合,变化曲线更符合烟草的实际生长状况。     

应用多模型推论估算北部湾多齿蛇鲻的生长参数

生长参数是渔业资源评估和管理策略中的关键参数,因而对目标鱼种选择合适的生长模型至关重要.本文以北部湾多齿蛇鲻为例,采用2006年12月至2009年7逐月采集的体长与年龄鉴定数据(n=2046),运用5个候选生长模型,利用最大似然法在加性误差条件下估算生长参数,并通过模型近似解释率(R²_adj)、根平均方差(RMSE)、赤井信息准则(AIC)和贝叶斯信息准则(BIC)检验模型拟合度.结果表明: 在当前大样本的情况下,4种统计方法在模型拟合度排序上表现一致;多模型推论检验结果表明,Generalized VBGF获得足够的模型支持,并占到AIC权重的95.9%,可以独立描述多齿蛇鲻的体长与年龄的生长关系,生长方程为:L_t=578.49^{\[1-e-0.051(t-0.14)\]0.361.}     

栖息地选择的理论与模型

栖息地选择理论和模型的发展经历了两个主要阶段:理想自由分布模型和空间直观的栖息地选择模型。随着对理论模型假设的放宽,近年来产生了越来越多的新模型。通过对栖息地选择过程的分析,提出了栖息地选择的几个关键环节:栖息地偏好、信息获取、行为决策及选择行为。在建立栖息地选择模型的各个关键环节上均存在大量有待解决的问题。目前对栖息地偏好的研究主要为相关分析,栖息地信息获取的过程仍然是一黑箱;对动物在栖息地选择过程中的行为决策以及对其生理状态的影响尚不了解,而解决这些问题需要生态学、生态学及认知学等多个领域的研究结果支持,也有待新的理论及方法加以充实,甚至还需要其他学科的介入。     

数量性状的基因型值计算

提出了在数量遗传中基因具有固定的量值—基因值的假设;假设认为基因值由基因的分子结构所决定而与所在的杂交组合无关．由此推导出以双亲的基因值向量为变量,数量性状的基因型值为结果的新的数量遗传模型．并给出了具体的计算方法和应用举例．