基于BP人工神经网络的兴安落叶松天然林全林分生长模型的研究

以大兴安岭地区兴安落叶松天然林为研究对象,基于688块固定标准地数据,采用MATLAB中log-sigmoid型函数(logsig)和线性函数(purelin)为神经元的作用函数,依据全林分生长模型的概念,以年龄（A）、地位级指数（SCI）和林分密度指数（SDI）作为输入变量,以林分每公顷蓄积量（M）作为输出变量,构建和训练了全林分生长的BP人工神经网络模型,并与常规建模方法进行了对比研究。结果表明,BP人工神经网络模型的拟合精度高达99.6%,检验精度为98.9%,说明与其它建模方法相比人工神经网络建模具有较高的拟合精度和适应性,对林分生长具有更好的预测能力。     

科尔沁沙地草地营造樟子松人工林对土壤化学和生物学性状的影响

以科尔沁沙地东南缘沙质草地和不同年龄樟子松（Pinus sylvestris var. mongolica）人工林（15、24和30年生）为对象,研究草地造林对土壤pH,土壤C、N、P含量,无机N（铵态氮、硝态氮）含量,C、N矿化速率,微生物生物量C含量以及土壤酶（脲酶、转化酶和过氧化氢酶）活性的影响.结果表明：草地造林初期,林地土壤C、N、P含量逐渐降低,随着林龄增加而逐渐恢复;与草地相比,24年生樟子松人工林土壤C、N、P含量最低,分别下降29%、34%和33%,而30年生樟子松人工林土壤C和N含量与草地差异不显著.草地造林能够影响土壤无机N存在形式,使土壤铵态氮含量逐渐增加,硝态氮含量下降.草地造林对土壤潜在N矿化速率和硝化速率影响不显著,但能够改变土壤C矿化速率,不同林龄樟子松人工林土壤C矿化速率依次为：24年生>30年生>草地>15年生.草地造林初期,土壤微生物生物量C含量和土壤转化酶活性明显降低,随着林龄的增加又逐渐增加;草地造林对土壤脲酶活性影响不显著,而使土壤过氧化氢酶活性逐渐增加.科尔沁沙地草地造林能够显著改变土壤化学和生物学性状,且随着林龄的变化而有所差异.     

分支位点在真核基因受体位点识别中的作用

真核基因受体位点识别是剪接位点识别的一部分,也是基因识别中的重要环节,一直受到研究人员的关注。已有的研究结果显示受体位点的识别与分支位点有关,然而关于分支位点和受体位点识别的关系问题,目前还无人将其作为专门的问题予以深入研究。从受体位点识别出发,选取不同的受体位点序列长度,以神经网络为识别工具,对分支位点在受体位点识别中的作用做了深入研究和分析。实验结果表明,受体位点序列的特征信息集中在分支位点一例,因此分支位点在受体位点识别中具有重要作用。研究结果为受体位点识别问题中序列特征提取提供了依据。     

基于优化核参数支持向量机的意识任务分类

根据支持向量机的基本原理,给出一种推广误差上界估计判据,并利用该判据进行最优核参数的自动选取。对三种不同意识任务的脑电信号进行多变量自回归模型参数估计,作为意识任务的特征向量,利用支持向量机进行训练和分类测试。分类结果表明,优化核参数的支持向量机分类器取得了最佳的分类效果,分类正确率明显高于径向基函数神经网络。     

基于卷积神经网络-长短期记忆神经网络模型利用光学体积描记术重建动脉血压波信号

目的 直接动脉血压（arterial blood pressure,ABP）连续监测是侵入式的,传统袖带式的间接血压测量法无法实现连续监测。既往利用光学体积描记术（photoplethysmography,PPG）实现了连续无创血压监测,但其为收缩压和舒张压的离散值,而非ABP波的连续值,本研究期望基于卷积神经网络-长短期记忆神经网络（CNN-LSTM）利用PPG信号波重建ABP波信号,实现连续无创血压监测。方法 构建CNN-LSTM混合神经网络模型,利用重症监护医学信息集（medical information mart for intensive care,MIMIC）中的PPG与ABP波同步记录信号数据,将PPG信号波经预处理降噪、归一化、滑窗分割后输入该模型,重建与之同步对应的ABP波信号。结果 使用窗口长度312的CNN-LSTM神经网络时,重建ABP值与实际ABP值间误差最小,平均绝对误差（mean absolute error,MAE）和均方根误差（root mean square error,RMSE）分别为2.79 mmHg和4.24 mmHg,余弦相似度最大,重建ABP值与实际ABP值一致性和相关性情况良好,符合美国医疗器械促进协会（Association for the Advancement of Medical Instrumentation,AAMI）标准。结论 CNN-LSTM混合神经网络可利用PPG信号波重建ABP波信号,实现连续无创血压监测。     

BEguider:一个单碱基编辑器sgRNA设计与编辑效率预测工具

单碱基编辑器是实用且高效的基因编辑工具,其编辑效率与单向导RNA(single guide RNA, sgRNA)序列的设计密切相关。目前单碱基编辑器sgRNA序列的设计缺少特定的法则,主要依靠经验和大量尝试完成。本研究基于卷积神经网络,开发了一个单碱基编辑器sgRNA序列设计工具BEguider。BEguider利用TensorFlow 2深度学习框架建立编辑效率预测模型,能够在人基因组范围内针对NGG PAM序列依赖的单碱基编辑器ABE7.10-NGG和BE4-NGG批量设计sgRNA序列,预测编辑效率。此外,通过整合Cas-OFFinder, BEguider能够提供对sgRNA脱靶情况的评估。利用BEguider设计sgRNA序列,有助于研究人员提高实验效率,节约实验成本。     

基于BP神经网络的京津冀城市群可持续发展综合评价

在综合分析了京津冀城市群各城市功能定位的基础上,构建了包含经济发展、社会发展、科技创新和生态环境4个子系统的城市可持续发展评价指标体系,运用2006—2015年的数据,采用熵值法和BP神经网络对京津冀城市群可持续发展能力进行非线性测度与分类,结果较为理想。结果表明:(1)北京和天津处于高可持续发展水平,可持续发展能力在空间上呈现出以京、津为中心随距离递减的趋势,最南端的邯郸和邢台处于低可持续发展水平;(2)北京可持续发展能力呈现下滑趋势,其他城市可持续发展能力逐年稳步上升,大城市可持续发展压力较大;(3)城市在不同子系统中存在各自的优劣势。各个子系统在可持续发展中均起到重要作用,城市宜结合各自子系统的优、劣势制定具有针对性的发展对策。     

生态服务功能的动态货币化评价——以南水北调后的湖北省襄樊市为例

生态环境是和社会经济紧密联系、相互影响的复杂大系统 ,且其内部各因子之间存在大量的未知关系 ,神经网络为未知复杂系统的建模提供了一条全新的思路。运用 BP网络 ,就南水北调对湖北省襄樊市生态服务功能价值的影响进行了动态研究。研究显示 ,在调走约 1/3汉江水量后 ,襄樊的生态环境将受到严重的破坏 ,其后果是当地社会经济的可持续发展能力将受到损害和抑制。在分析案例的基础上 ,论证了神经网络在生态建模中的适用性 ,探讨了生态服务功能价值动态评价的技术趋势 ,并进一步提出了生态系统建模的新思路。     

蜂毒溶血肽类似物定量构效关系计算分析

采用HyperChem7．0结构分析软件,对蜂毒溶血肽类似物的分予体积等结构参数进行了计算分析．分别利用多元线性回归、BP-神经网络计算法进行统计分析,获得两个相关性好的QsAR（quantitative structure-function relationship）模型．结果显示,蜂毒肽溶血活性与生成热、键合能、表面积、分予体积、极化能、醇水分配系数、水舍能相关．为降低溶血作用,指出在设计蜂毒肽结构时应尽量避免螺旋状结构．少用疏水性氨基酸．     

两种预测模型在地下水动态中的比较与应用

预测陕西洛惠渠灌区地下水动态变化情况,在综合分析了各种地下水动态研究方法的基础上,提出了基于支持向量机和改进的BP神经网络模型的灌区地下水动态预测方法,并在MATLAB中编制了相应的计算机程序,建立了相应的地下水动态预测模型。以灌区多年实例数据为学习样本和测试样本,比较了两种模型的地下水动态预测优劣性。研究表明,支持向量机模型和BP网络模型在样本训练学习过程中都具较高的模拟精度,而在样本学习阶段,支持向量机的预测精度明显优于BP网络,可以很好的描述地下水动态复杂的耦合关系。支持向量机方法切实可行,更加适合大型灌区地下水动态预测,是对传统地下水动态研究方法的补充与完善。