基于贝叶斯似乎不相关回归方法的天然蒙古栎生物量模型构建

以胸径和树高作为自变量,基于多元似然分析、似乎不相关回归等方法研建了黑龙江省天然蒙古栎可加性生物量模型系统。结果表明: 树高显著提高了树干生物量模型的效果,决定系数(R²)从0.953提高到0.988,均方根误差(RMSE)减小14 kg,对树枝、树叶和树根生物量的影响并不显著。单变量(仅含胸径)和双变量(胸径、树高)幂函数形式的生物量模型系统的误差结构均为相乘型,表明对数转换后的线性模型形式更合适。树干、树枝、树叶、树根生物量模型的R²分别为0.953～0.988、0.982～0.983、0.916～0.917、0.951～0.952,RMSE分别为13.42～27.03、6.84～7.00、1.95～1.97、9.71～9.84 kg。与广义最小二乘法(FGLS)相比,贝叶斯估计产生了相似的模型拟合效果,却提供了不同变异大小的参数估计值。FGLS各参数标准误为0.054～0.211,而使用Jeffreys不变先验的两种贝叶斯估计方法(DMC和Gibbs1)产生相似的参数变异(标准差为0.055～0.221);使用均值向量为0、方差为1000且协方差为0的多元正态先验(Gibbs2)和使用来自栎属树种生物量模型历史研究汇总的先验(Gibbs3)产生了更大的变异(标准差为0.080～0.278),使用自身数据获取的先验(Gibbs4)估计得到的各参数变异小于其他方法(标准差为0.004～0.013)。当使用Gibbs4法建立模型时,两类模型不仅能提供最窄的95%预测区间,还能产生更小的预估偏差,树干、树枝、树叶、树根和总生物量在单变量模型中的平均绝对偏差百分比(MAPE)分别为19.8%、24.7%、24.6%、29.0%和13.1%,树干和总生物量在双变量模型中的MAPE分别减小到10.5%和9.8%,其他组织MAPE未改变,表明Gibbs4法能提供更准确的生物量预测值。与传统回归方法相比,准确的先验信息使贝叶斯统计在估计稳定性和不确定性减小方面具有优势。     

变系数变时滞BAM神经网络概周期解的存在性与全局吸引性

利用指数二分性、Banach不动点定理与微分不等式分析技巧,在不要求激活函数有界的条件下,给出了变系数变时滞的BAM神经网络概周期解的存在唯一性和全局吸引性的充分条件．所得结果推广和改进了相应文献的结果。对设计BAM神经网络概周期振荡有重要意义．     

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.     

Relative accuracy of spatial predictive models for lynx Lynx canadensis derived using logistic regression-AIC,multiple criteria evaluation and Bayesian approaches

We compared probability surfaces derived using one set of environmental variables in three Geographic Information Systems (GIS) -based approaches: logistic regression and Akaike's Information Criterion (AIC),Multiple Criteria Evaluation (MCE),and Bayesian Analysis (specifically Dempster-Shafer theory). We used lynx Lynx canadensis as our focal species,and developed our environment relationship model using track data collected in Banff National Park,Alberta,Canada,during winters from 1997 to 2000. The accuracy of the three spatial models were compared using a contingency table method. We determined the percentage of cases in which both presence and absence points were correctly classified (overall accuracy),the failure to predict a species where it occurred (omission error) and the prediction of presence where there was absence (commission error). Our overall accuracy showed the logistic regression approach was the most accurate (74.51% ). The multiple criteria evaluation was intermediate (39.22%),while the Dempster-Shafer (D-S) theory model was the poorest (29.90%). However,omission and commission error tell us a different story: logistic regression had the lowest commission error,while D-S theory produced the lowest omission error. Our results provide evidence that habitat modellers should evaluate all three error measures when ascribing confidence in their model. We suggest that for our study area at least,the logistic regression model is optimal. However,where sample size is small or the species is very rare,it may also be useful to explore and/or use a more ecologically cautious modelling approach (e.g. Dempster-Shafer) that would over-predict,protect more sites,and thereby minimize the risk of missing critical habitat in conservation plans.     

基于有序条件互信息和有限父结点构建基因调控网络

基因调控网络重建是功能基因组研究的基础,有助于理解基因间的调控机理,探索复杂的生命系统及其本质.针对传统贝叶斯方法计算复杂度高、仅能构建小规模基因调控网络,而信息论方法假阳性边较多、且不能推测基因因果定向问题.本文基于有序条件互信息和有限父结点,提出一种快速构建基因调控网络的OCMIPN算法.OCMIPN方法首先采用有序条件互信息构建基因调控相关网络;然后根据基因调控网络拓扑先验知识,限制每个基因结点的父结点数量,利用贝叶斯方法推断出基因调控网络结构,有效降低算法的时间计算复杂度.人工合成网络及真实生物分子网络上仿真实验结果表明:OCMIPN方法不仅能构建出高精度的基因调控网络,且时间计算复杂度较低,其性能优于LASSO、ARACNE、Scan BMA和LBN等现有流行算法.     

基于贝叶斯权重估计方法估计浙江省古田山国家级自然保护区两栖爬行动物多样性

传统的两栖爬行动物多样性调查方法在进行野外实验时,常遇到抽样限制的问题,一些稀有物种可能无法在个体样本中被发现,由于存在相对较大的物种缺失,导致不同的研究结果差距较大,较难反映真实的物种多样性.因此,基于有限的调查和监测数据尽可能准确地估计生物多样性极其重要.本文于2017—2020年的每年秋季,采用视觉遇见法调查了4...     

基于贝叶斯统计的遗传连锁分析方法

贝叶斯学派是不同于经典数理统计的一个重要学派, 其发展的贝叶斯统计方法在现代科学的许多领域已有着广泛的应用。探讨了贝叶斯统计在遗传连锁分析中的应用, 包括遗传重组率的贝叶斯估计、遗传连锁的贝叶斯因子检验和基于马尔可夫链蒙特卡罗理论的遗传连锁图谱构建。用编制的SAS/IML程序进行了模拟研究和实例分析, 验证了贝叶斯方法在遗传连锁分析中的有效性和实用性。     

贝叶斯推论重建乳头瘤病毒的进化系统

基于90种乳头瘤病毒的L1基因和E2基因的DNA全序列,应用似然比检验和贝叶斯推论重建病毒的系统发育树,并在此基础上讨论病毒分子系统学研究的一般原则和方法。同时比较研究贝叶斯推论和过去常用的最小进化、最大简约、最大似然三种建树算法的优劣。结果表明：乳头瘤病毒可分为4超群,不同超群的乳头瘤病毒宿主和组织特异性不同。引起人宫颈癌的高危和低危乳头瘤病毒在进化上分别具有相近的亲缘关系。高危类群起源于共同祖先。算法的比较研究表明,贝叶斯推论作为进化生物学的最新进展,在计算速度和可靠性上明显优于其它算法。     

具有功能反应和时滞的三种群捕食-食饵扩散模型的正周期解的存在性

讨论了一类具有时滞和Michaelismenten型功能反应函数的三种群捕食-食饵扩散模型,且所有参数均依赖于时间。应用重合度连续性定理,得到了该系统下面存在性的充分条件。     

Phylogeny and Classification of Prunus sensu lato （Rosaceae）

The classification of the economically important genus Prunus L. sensu lato （s.L） is controversial due to the high levels of convergent or the parallel evolution of morphological characters. In the present study, phylogenetic analyses of fifteen main segregates of Prunus s.I. represented by eighty-four species were conducted with maximum parsimony and Bayesian approaches using twelve chloroplast regions （atpB- rbcL, matK, ndhF, psbA-trnH, rbcL, rpL 16, rpoC1, rps16, trnS-G, trnL, trnL-F and ycfl） and three nuclear genes （ITS, s6pdh and Sbel） to explore their infrageneric used to develop a new, phylogeny-based classification relationships. The results of these analyses were of Prunus s.I. Our phylogenetic reconstructions resolved three main clades of Prunus s.I. with strong supports. We adopted a broad-sensed genus, Prunus, and recognised three subgenera corresponding to the three main clades： subgenus Padus, subgenus Cerasus and subgenus Prunus. Seven sections of subgenus Prunus were recognised. The dwarf cherries, which were previously assigned to subgenus Cerasus, were included in this subgenus Prunus. One new section name, Prunus L. subgenus Prunus section Persicae （T. T. yu ＆ L. T. Lu） S. L. Zhou and one new species name, Prunus tianshanica （Pojarkov） S. Shi, were proposed.