一、非线性生长曲线参数估计的一种精确方法（论文文献综述）
曲倩楠[1]（2021）在《动物生长轨迹的分层混合模型关联分析》文中研究表明在纵向性状的全基因组关联分析中,随机回归模型采用Legendre多项式能够灵活地表征遗传标记和多基因效应随着时间变化,但是计算的高度复杂性限制了对生长轨迹的混合模型关联检验,而且不适合非线性生长曲线。为了提高纵向关联分析的计算效率,我们引入分层混合模型方法将随机回归模型分解成两层:首先采用最小二乘或随机回归模型BLUP拟合每个个体的生长曲线,然后采用多变量混合模型对生长曲线参数进行关联分析。在第一层模型中,假设剩余误差具有异质的方差,并且根据BIC信息准则选择优化的线性或非线性子模型;在第二层模型中,我们通过正则变换将多变量混合模型转换为多个独立的单变量混合模型,扩大了被分析的生长曲线模型参数的个数。在这个纵向关联分析的框架内,通过联合关联分析来进行一次一个检验的候选位点,进一步提高数量性状核苷酸（QTN-quantitative trait nucleotides）的统计检测效率。为了弄清由生态适应和进化所导致的高夫岛小鼠体重差异的遗传基础,建立了一个F2小鼠资源群体,它是由WSB和GI近交系杂交产生。通过严格的质量控制,来自于1215个F2小鼠的11833个多态SNP标记被用于小鼠体重生长轨迹的全基因组关联分析。我们分别采用Legendre多项式和Richards生长曲线拟合个体的生长轨迹,然后通过生长曲线模型参数与SNP标记的逐个关联检验,都在10号染色体上发现了一个控制小鼠体重生长轨迹的QTN:UNC18906603。这个QTN在观测时间内对体重产生了正向的影响,且随着周龄呈抛物线变化。基于Legendre多项式的联合关联分析在20号染色体额外发现了另一个QTN:JAX00177214,它的效应变化的形状与第一个QTN（UNC18906603）相近,但效应的方向相反。
陈烨铭[2]（2021）在《基于差分方程的Logistic林分密度生长模型构建》文中进行了进一步梳理林分密度作为影响林分生长的重要因素之一,可以通过人为活动进行有效的调控,在森林经营管理方面具有积极的作用。林分的自稀疏关系是林分密度管理的要点,常用最大密度线来描述林分的自稀疏关系。目前常见的林分最大密度线构建方法往往依赖于现实林分的高密度数据,并且缺乏密度生长的“极限”概念,无法对林分密度生长的极限值作出有效的估计。为此本研究对林分密度的生长模型进行了构建,并利用生长模型的渐近线参数构建了极限水平的自稀疏线。本研究数据为浙江省森林资源连续清查体系中的1999-2004、2004-2009、2009-2014、2014-2019四个经过配对的相邻间隔期的乔木林固定样地复测数据。分为松类、杉类和阔叶类三个树种大类进行建模。本研究的具体做法:基于Reineke的自稀疏规则构建不受林分年龄结构约束的林分密度指数（SDIP）,通过固定样地的前后期林分密度指数倒数构建差分方程,并基于其非线性差分方程用最小二乘法估计差分方程的参数。通过差分方程构建离散型林分密度生长模型和以名义年龄为自变量的连续型林分密度指数生长模型。研究指出连续型林分密度指数生长模型具有拐点,以及和离散型模型相同的渐近线参数。当自变量t取整数时,连续型模型和离散型模型完全重合。研究中的极限密度是基于密度生长模型的渐近线参数,即密度生长的极限水平而来,一般是大于现实林分中最大密度的。由极限密度作为参数构建的极限密度线,能够突破实际林分最大密度值对边界自稀疏线的限制作用。而分位数回归的方法虽然可以通过改变分位数的取值得到不同分位数下的最大密度线,但是不能逾越现实的林分最大密度值。将三个树种大类四期复测数据合在一起计算,林分极限密度的估计结果（公顷）显示为:杉类（314 967）>松类（310 246）>阔叶类（294 460）,极限密度指数的大小与树种大类的木材密度成负相关,与以往研究结论一致。本研究的创新点（1）构建了不受林木年龄结构约束的林分密度指数,利用复测样地前后期密度指数数据构建了密度差分方程,并推导出了密度微分方程。并通过求解密度微分方程得到了以名义年龄为自变量的连续型林分密度Logistic生长模型。为在具有复测数据但没有年龄数据的情况下构建以名义年龄为自变量的连续型生长模型提供了一个新的途径。（2）提出以差分方程的稳定平衡点或连续型生长模型的渐近线参数作为林分的极限生长密度。并以此构建极限密度线与分位数回归法得到的最大密度线有着本质的区别,后者直接受样地数据的收集情况影响,而前者的影响相对较小。
万雨[3]（2021）在《江南白鹅早期生长发育规律的分析研究》文中研究说明江南白鹅配套系是由江苏立华牧业有限公司培育出的中型白鹅配套系（三系配套）。在不同区域和季节饲养,同样可保持较高地生产水平。现阶段,关于肉鹅生长发育规律多以体重和胫长研究为主,鲜有整体化、系统化的生长发育规律的研究。本研究以江南白鹅作为研究对象,通过对不同日龄江南白鹅的比较屠宰测定,确定不同体重江南白鹅体尺、内脏器官、肌肉和骨骼的生长发育规律,进而掌握其种质特性;并以两、三阶段饲养法比较其不同饲养阶段划分下的生长差异,以期为江南白鹅及其他中型鹅种的饲料科学配制和科学饲养作参考。试验选取同一批次、体重接近的0日龄江南白鹅360只（公雏240只,母雏120只）。公、母鹅分开饲养。试验分为3个组,每组8个重复,每个重复15只。（A:三阶段饲养母鹅组;B:三阶段饲养公鹅组;C:两阶段饲养公鹅组）。分别于0d、7 d、14 d、21 d、28 d、35 d、42 d、49 d、56 d和63 d时称重,每个重复选取1只健康、体重接近重复平均体重的试验鹅,通过对不同日龄江南白鹅的比较屠宰测定,记录不同体重江南白鹅体尺、内脏器官、肌肉和骨骼的生长发育数据。运用Logistic、Compertz和Von Bertalanffy 3种曲线模型对生长发育数据进行拟合分析,进一步了解其生长发育规律。结果表明:（1）江南白鹅机体各组成部分发育具有顺序性,而腿部体尺、骨骼发育与体重增长又具有同步性。整体以运动的腿部体尺、骨骼和消化为主的器官优先发育。随后,免疫器官发育速度加快,同时腿部肌肉开始快速生长,心血管系统逐渐完善,胸部肌肉增长较迟。（2）江南白鹅早期生长发育存在性别差异,公鹅相较于母鹅,发育至生长拐点时间迟,发育时间较长。①体增重:公、母鹅体重速生区间分别为10.52d-49.02d、8.35 d-40.43 d。②肌肉:腿肌发育速度大于胸肌。公、母鹅胸肌速生区间分别为46.10 d-64.91 d、45.20d-69.15 d;腿肌速生区间分别为 10.10d-37.60d、16.59d-35.58d。③内脏器官:早期生长以消化器官优先发育,28d-42d间基本发育至成熟;其他器官在56-63 d 间基本发育完全。而消化器官中,空肠发育最为迅速;公、母鹅间,盲肠发育差异较大。④体尺性状:公、母鹅生长顺序均为:胫围>胫长>胸骨长>半潜水长,发育时间:7d-49d。⑤骨骼:公、母鹅胫骨生长顺序均为:胫骨长度>胫骨宽度,发育时间:7 d-49d。⑥生长性能:21 d后,公鹅的平均采食量和平均日增重均显着高于母鹅（P<0.05）;35d后,公鹅的料重比显着低于母鹅;公鹅全期料重比显着低于母鹅（P<0.05）。63 d时,公鹅的胸肌率显着低于母鹅（P<0.05）。（3）江南白鹅生长发育因各组分生长特点,最佳模型选择不同,而腿肌、腺胃和法氏囊的最佳模型选择存在性别差异。公、母鹅体重、胫骨脱脂重、胫骨强度和空肠重量的最佳模型为Gompertz;胸肌、体尺、胫骨长度、胫骨宽度、肠道长度、心脏和肝脏生长最佳模型为Logistic;肌胃、脾脏、十二指肠重量、回肠重量和盲肠重量用Von Bertalanffy模型拟合较好。公、母鹅腿肌生长最佳模型分别为Gompertz和Logistic;腺胃生长的最佳模型分别为:Compertz、Von Bertalanffy;法氏囊生长的最佳拟合模型分别为:Von Bertalanffy、Compertz。（4）不同阶段饲养模式对生长发育影响较小,但三阶段的饲养成绩总体优于两阶段饲养。63 d时,三阶段饲养相较两阶段饲养:①体重提高2.13%;②胸肌重量提高7.15%;③腿肌重量提高3.51%。（5）不同分段饲养模式下,腿肌、脾脏、法氏囊和腺胃的最佳模型选择出现差异。生产模式的不同导致腿肌模型的选择发生改变,由Von Bertalanffy模型变为Gompertz模型;脾脏、法氏囊发育模型选择由Logistic变为Von Bertalanffy;腺胃重量生长模型由 Von Bertalanffy 变为 Compertz（两/三）。综上所述,早期江南白鹅生长发育具有顺序性,整体以基础运动的腿部体尺、骨骼和消化为主的器官优先发育。随后,免疫器官与腿部肌肉开始快速生长,心血管系统逐渐完善,胸部肌肉增长较迟。另外,腿部体尺、骨骼发育与体重增长具有同步性。公、母鹅间生长发育差异于21 d后逐渐显着;三阶段的饲养成绩总体优于两阶段饲养。不同性别和饲养方式下,其生长发育曲线有所差异,随之影响最佳生长模型的选择。
李月月[4]（2021）在《女童青春期发育进程及其影响因素研究》文中研究指明目的利用课题组现有的儿童青少年纵向生长发育追踪队列,探究女童青春期各发育事件不同发育阶段年龄,发育进程变化及其影响因素,并应用EM算法及多重插补数据分析青春期发育进程的相关影响因素。方法本研究对重庆某城区四所小学1-4年级共734名女童进行了7年共计14次的青春期发育调查随访,观测和记录了各青春期发育事件不同发育阶段的年龄,以女童乳房发育启动到月经初潮的时间（B2-Menarche）评价女童青春期发育进程,采用多元线性回归方法分析了影响女童青春期发育进程的相关因素。结果进入队列的734名女童年龄平均为8.25±1.16（岁）。研究对象女童乳房tanner2期-5期、阴毛tanner2期-5期、腋毛启动及成熟年龄以及初潮平均年龄分别为10.02±0.98、11.21±1.04、12.14±1.12、12.96±1.07、11.61±0.84、12.44±0.98、13.29±1.04、13.76±0.97、12.40±1.09、13.35±1.13、11.87±0.90（岁）。女童乳房发育启动（tanner2期）时身高平均为137.17±5.75（cm）,体重为31.75±5.77（kg）,BMI为16.80±2.23（kg/m2）。以B2-Menarche评价女童青春期发育进程,B2-Menarche平均时间为1.94±0.80（年）,发育进程存在较大个体差异。以B2-Menarche为因变量,以乳房发育启动年龄、发育启动前身高和BMI为自变量,利用多元线性回归分析发育进程的影响因素,发现乳房发育启动年龄、启动前身高及BMI均可预测青春期发育进程,且采用EM算法和多重插补对青春期发育数据填补后的结果与填补前一致。结论女童乳房发育启动到月经初潮的发育进程存在较大个体差异,发育进程快慢与发育启动年龄、发育启动前的身高及BMI有关,即女童青春发育启动年龄越晚,发育启动前的身高越高,BMI越大其青春期发育进程越快。
段星海[5]（2021）在《基于中国肉用西门塔尔牛纵向发育性状的全基因组关联分析》文中指出西门塔尔牛及其杂交群体由于其生长速度快、产肉率高的特性,在我国肉牛市场中占比非常大,因此,探究中国肉用西门塔尔牛的生长发育调控机制是当前肉牛育种研究的热点之一。纵向性状指的是表型值随着时间（包括生命阶段,年龄等）或生理状态、环境条件等其他因素变化的性状。与一般的只有单个记录的表型性状相比较而言,纵向性状更好地描述了畜禽的生长和生产规律。因此,定位和分析影响纵向性状的功能基因对中国肉用西门塔尔牛的选育提高具有重要的经济价值和现实意义。全基因组关联分析是目前定位复杂性状功能基因的重要手段,也是目前研究纵向数据使用最广泛并且最有效的方法之一。因此,本研究以中国肉用西门塔尔牛四个月龄时期（0月龄、6月龄、12月龄和18月龄）的体重这一纵向性状作为研究对象,利用两阶段分析法和基于随机回归模型的方法对其进行GWAS分析,以期定位到与中国肉用西门塔尔牛生长发育相关的显着SNPs,进而寻找与中国肉用西门塔尔牛生长发育关联的候选基因。本研究的主要方法和结果如下:1.利用三种非线性模型（Gompertz模型、Logistic模型和Brody模型）对不同月龄的肉牛纵向体重数据进行生长曲线的拟合,三种生长曲线模型参数A（成熟体重）的估计值分别为617.900、551.000和1458.000;参数b（达到最大生长速率的时间）的估计值依次为2.740、9.304和0.976;参数K（成熟率）的估计值分别是0.153、0.273和0.024;拟合优度R2分别为0.954、0.951和0.951,表明Gompertz模型的拟合效果最好,因此选择Gompertz模型的参数估计值作为表型进行后续GWAS分析。2.对试验群体进行主成分分析的结果显示,试验动物群体分布在5个区域,表明群体间存在比较明显的群体分层现象,绝大多数个体位于右下角区域,其他区域有少量个体分布,因此选取前三个主成分作为协变量来消除群体分层对关联分析的影响。3.将Gompertz模型的参数A、b和K作为GWAS表型进行单性状GWAS分析,对于性状成熟体重（A）,共检测到了9个显着的SNPs,主要分布在4、7、10、11、15和22号染色体上,临近或坐落于PLIN3、BSN、KCNS等基因;对于达到最大生长率的时间（b）来说,共检测到了49个显着的SNPs,主要分布在1、3、5、9、12、14和23号染色体上,临近或坐落于TMCO1、ANGPTL2、IGF-1等基因;对于成熟率（K）,共检测到了7个显着的SNPs,集中位于22和25号染色体上,临近或坐落于GRM7和SHISA9基因。4.将Gompertz模型的参数A、b和K作为GWAS表型进行多性状GWAS分析,共检测到了22个显着的SNPs,主要分布在2、3、9、11、14、18、24、27号染色体上,临近或坐落于CD58、STK3、KAT6A和NBAS等与生长发育相关的基因。通过GO和KEGG富集分析发现了135个GO条目和29条KEGG通路,其中99个GO条目和12条通路显着富集（P<0.05）,并且有14个GO条目和7条KEGG通路与生长发育相关。5.将中国肉用西门塔尔牛纵向体重记录作为镶嵌有时间函数的随机回归模型的表型进行GWAS分析,共检测到了37个显着的SNPs,主要分布在1、2、5、7、11、13、25和29号染色体上,并且筛选到了ICA512、COX6C、RARS、TLK2、MRPL39、PDE1C、SHISA2和ANGPTL4等与生长发育相关的候选基因。本研究得出如下结论:1.通过两种GWAS方法鉴定到了许多与生长发育相关的候选基因。这些研究为其他纵向数据的研究提供了参考,也为调控肉牛生长发育进而提高产肉量的育种工作提供了新的候选分子标记。2.两阶段法的两种GWAS方法同时发现了STK3基因,两阶段法的单性状GWAS方法和基于随机回归的GWAS方法同时发现了SHISA2基因和属于同一基因家族的ANGPTL2基因和ANGPTL4基因,这些基因应该在后续研究中被重点关注。
牛亦龙[6]（2021）在《长白落叶松-水曲柳带状混交林立地质量评价》文中研究指明立地质量评价是衡量林地潜在生产力的主要依据,也为合理确定森林经营措施提供重要依据。本研究以黑龙江省小九、尚志、帽儿山、一面坡、黑龙宫及元宝林场的长白落叶松-水曲柳混交林为研究对象,选取样地中两树种的优势木进行树干解析,并调查了各样地地形和土壤等立地因子。以Logistic、Hossfeld、Korf、Gompertz、修正Weibill和Richards方程为基础方程,通过广义代数差分法推导了 12个差分地位指数模型,利用两树种优势木的树干解析数据对模型参数进行拟合,并通过R2、RMSE、MAE和MAE%四个指标对模型的拟合精度及预测效果进行评价,分别选出两树种的最优地位指数模型。基于地位指数模型的预测值,以各样地立地因子为自变量,通过多元线性回归及基础机器学习算法建立了立地质量评价模型,对各模型的拟合精度和预测精度进行比较,得出基于随机森林算法建立的立地等级划分模型具有最高的精度。结果表明:（1）基于优势木解析木数据拟合得到的优势木树高生长曲线和基于各等级解析木数据以分位数回归拟合的优势木树高生长曲线没有显着差异,说明黑龙江省长白落叶松-水曲柳混交林中鲜有优势木交替现象的发生,因此,本研究中的优势木解析木数据适用于地位指数模型的拟合。（2）以Richards方程为基础方程所推导的差分地位指数模型为黑龙江省长白落叶松-水曲柳混交林最优地位指数模型,其中落叶松地位指数模型以a=ex0、c=c1+c2/X0为自由参数,其各拟合指标为:R2=0.98641,RMSE=1.00525（m）,MAE=0.80585（m）,MAE%=7.8560;水曲柳地位指数模型以a=ex0、c=c1+c2X0为自由参数,其各指标为:R2=0.98624,RMSE=0.99594（m）,MAE=0.73156（m）,MAE%=6.8281。（3）地形因子中,海拔、坡度和地势与两树种地位指数均具有较高的相关性,而坡向与两树种地位指数的相关性相对较低,坡位与基于落叶松的地位指数相关性较高,但与基于水曲柳的地位指数相关性较低。土壤因子中,基于落叶松的地位指数主要与pH、氮元素含量、碳元素含量相关,基于水曲柳的地位指数主要与钾元素、氮元素、磷元素相关,整体来看落叶松地位指数与土壤因子之间有更高的相关性。（4）在建立落叶松-水曲柳混交林多元立地质量评价模型时,通过随机森林算法建立的模型效果最好,对于两树种立地等级的拟合精度分别达到了 94.83%和85.45%。基于该模型结果,在所有亚立地类型中,有35.7%落叶松立地等级为优,28.6%为良,35.7%为中;有35.7%水曲柳立地等级为优,42.9%为良,21.4%为中。对各亚立地类型两树种的立地等级进行比较,结果表明不同海拔高度下的立地中两树种之间竞争关系有显着变化。
李娴静[7]（2021）在《基于PCA-ICA方法的工业控制系统完整性攻击检测研究》文中研究表明控制系统在电力、化工、航空航天、金融等领域有广泛应用。基础设施是工业生产的核心,而控制系统是各行业的命脉。工业控制系统复杂的层次结构和较多的可控节点,使其面临着严峻的安全挑战。近些年来,针对工业控制系统的攻击频繁发生,影响产品质量,发生现场事故,甚至影响国家战略发展。因此,开展工业控制系统的攻击检测研究具有重要意义。本文围绕工业控制系统攻击检测技术展开,分为以下几部分:（1）对工业控制系统的控制回路建立攻击模型。本文首先阐述了三种安全的区别与联系。随后,对典型的欺骗攻击建立模型,利用数学模型定性表达攻击,分析不同攻击的特点。最后,以TE过程为例,建立系统模型并分析异常传播路径及影响;选择压强传感器变量作为假数据注入的攻击源头,采用修改压强传感器变量的方式形成完整性攻击。（2）为改善工业控制系统的攻击检测效果,提高检测准确率,并解决检测指标多且不统一的问题,提出了一种基于PCA-ICA与贝叶斯推断的攻击检测方法。结合多元统计学与统计概率理论,实现了较准确检测、较便捷监控的在线检测目标。该方法重构了统一的检测指标。最后,在TE过程平台上进行仿真实验;结果表明,基于PCA-ICA的检测方法具有良好的检测准确度,和简洁的观测效果。但也存在问题:监控图繁杂,还存在些许误报情况;对小幅值攻击的检测效果欠佳。此外,为了解攻击特征,在未来实现预测和主动防御,本文最后围绕攻击特征分析,提出了基于贡献图和概率密度分布的攻击特征分析方法。根据贡献图确定最有可能被攻击的变量。随后,运用3σ原理和概率密度分布图确定警戒线并分析攻击的数字特征（例如攻击值的大小,攻击时长,对称性等）。（3）为进一步提高工业控制系统的攻击检测率,尤其是降低误报率,从优化数据利用率的角度出发,提出了改进的JB-KPCA-KICA攻击检测方法。首先,采用Jarque-Bera检验,更合理的划分高斯空间和非高斯空间。随后,基于余弦相似度提出改进的KPCA-KICA方法,提高对非线性数据处理能力。改进的方法优化了数据利用方式,改良了数据硬性划分的传统模式,提升了数据的利用效率。最后,在仿真平台上建立离线模型,再进行在线攻击检测,验证效果。结果显示,改进的方法在保证较高检测准确度的同时,误报率更低;且监控图更清晰,使操作员的监控效果更聚焦。（4）为了提升小幅值攻击的检测效果,进一步提高检测率,本章提出了基于小波去噪和JB-KPCA-KICA的攻击检测方法。首先,基于生长曲线改进小波阈值函数,并采用改进的小波阈值函数进行去噪处理,然后再进行JB-KPCA-KICA方法检测,在TE仿真平台上进行验证。结果表示,该方法有效提高了对小幅值攻击的检测准确度,且具有更低的误报率。
王有远,陈璐,徐长斌[8]（2020）在《中国通航产业发展阶段实证研究——基于产业生命周期视角》文中指出通航产业作为民用航空产业的重要一翼,有望成为促进经济发展的支柱型产业,客观准确定位其所处的产业生命周期发展阶段,对通航产业持续健康与协调均衡发展具有重要的战略意义。基于产业生命周期理论,综合运用计算判断法、Gompertz曲线拟合法及经验对比法从产业规模、产业技术创新、产业结构、政府角色、产业发展地位5个维度构建了通航产业生命周期评价模型;以中国通航产业为例,进行了实证研究。为促进我国通航产业的可持续发展,提出了对策建议。
郑蓉建[9]（2020）在《谷氨酸发酵过程的软测量建模研究》文中研究表明生物产业（含发酵食品、发酵化学品、发酵医药品、发酵能源等）是国民经济的支柱产业,广泛应用于食品、饲料、医药和化工等领域。谷氨酸是世界上产量最大的氨基酸,主要通过发酵生产。在发酵过程中,重要生化参数（如菌体浓度、基质浓度、产物浓度等）的实时获取,对于过程的控制与优化具有十分重要的意义。然而发酵过程具有强烈非线性、时变性、强耦合等特征,关键生化参数无法在线检测,目前生产中大都采用实验室取样分析方法来得到。为此,软测量技术通过建立过程在线易测辅助变量与难测主导变量（重要生化参数）之间的数学模型,来实现对发酵过程重要生化参数的预测估计,是解决上述问题的有效途径。在过去几十年里,软测量技术已经成为过程控制领域的研究热点,并在工业过程中得到广泛应用。本课题来源于国家自然科学基金面上项目（项目编号61273131）“生物反应过程的在线支持向量机建模与优化”,以典型生化过程——谷氨酸发酵过程为研究背景,结合谷氨酸发酵过程的实际生产操作机理,对谷氨酸发酵过程中难于在线测量的关键生化参数的软测量建模及相关问题进行了深入研究,取得的研究成果如下:（1）针对谷氨酸发酵过程关键生化参数无法在线检测给发酵优化控制带来困难问题,建立了改进遗传算法对模型参数进行辨识的谷氨酸分批流加非结构动力学模型。在发酵过程常用的Logistic模型、Luedeking-Piret等方程基础上建立了谷氨酸分批流加非结构动力学模型,分别采用非线性规划、基本遗传算法、改进遗传算法对模型参数进行辨识,并对不能在线测量的重要生化参数如菌体浓度、基质浓度和产物谷氨酸浓度进行拟合和估计预测,谷氨酸发酵实验和仿真结果验证了所建动力学模型的有效性。（2）针对高度非线性、时变性的谷氨酸发酵过程动力学模型存在批次性、预测精度差、机理建模困难问题,基于生化过程多阶段特性,提出多阶段支持向量机回归的数据驱动软测量模型、并应用于谷氨酸发酵过程产物浓度的预测。为此,首先建立了基于移动窗的皮尔逊相关系数结合线性回归的发酵过程阶段分割方法,分割结果与常规离线化验分析结果基本一致;其次,基于阶段划分的基础上建立多阶段支持向量机回归的产物谷氨酸浓度预测软测量模型。实验和仿真结果表明,多阶段模型相比全局单模型具有更高的预测能力。（3）针对支持向量机回归模型运算时间过长、谷氨酸发酵过程影响因素存在耦合等问题,在分析最小二乘支持向量机理论基础上,建立了偏最小二乘和最小二乘支持向量机相结合的谷氨酸发酵过程软测量模型。首先通过相关系数矩阵对输入变量进行相关性分析,表明变量间存在较强相关性;进一步采用方差膨胀因子对变量的多重共线性进行诊断,结果表明变量间存在中等程度共线性,需要对输入相关变量进行筛选。为此,利用偏最小二乘找出对预测模型输出变量重要的输入变量,降低预测模型输入变量维数、消除相关性、简化模型,以提高预测模型的精度。进一步,运用耦合模拟退火算法对最小二乘支持向量机的参数进行优化,谷氨酸发酵实验仿真结果表明,所建模型预测精度高,可为谷氨酸发酵过程操作及时调整及优化控制提供有效指导。（4）针对支持向量机回归和最小二乘支持向量机等参数化回归软测量建模存在过拟合、参数设置困难、不能刻画预测结果不确定问题,设计了一种基于特征关联性的输入变量选择、超参数自适应获取、输出具有概率特性的自相关决定高斯过程软测量模型,并应用于谷氨酸发酵过程。首先应用高斯过程回归模型进行训练,同时在贝叶斯框架下,确定协方差函数中的超参数,利用训练好的高斯过程回归模型进行预测。其次,分析了谷氨酸浓度对发酵参数的感度发现,发酵时间、CO2释放速率CER、O2消耗速率OUR对谷氨酸浓度影响最大。进一步,分析了预测值的不确定性即方差和模型输入在线变量之间变化关系,当发酵罐温度T、CO2释放速率CER、O2消耗速率OUR异常变化时,发现预测值的方差随之发生明显变化,可利用预测值的方差异常变化作为发酵过程状态或传感器异常的指示器。谷氨酸发酵实验和仿真研究表明,所建基于特征关联性的自相关决定高斯过程回归的软测量模型可以实现对谷氨酸浓度的较高精度预测,且预测结果具有较小的置信度区间,满足发酵过程实时控制需要。（5）谷氨酸发酵过程是一个复杂的生化过程,在无法根据发酵过程复杂内部机理建立准确的动力学模型的条件下,要实现发酵过程的优化控制是一个具有挑战性的课题。基于对谷氨酸发酵过程机理分析和研究,运用软测量技术建立了难测参数的软测量模型,设计和优化了谷氨酸发酵过程溶氧控制,将所建软测量模型应用于谷氨酸发酵过程异常批次的识别,并基于罗克韦尔公司开发的RSLogix5000编程软件平台开发了一套谷氨酸发酵过程软测量建模及优化控制系统。通过实际应用表明,该系统能满足谷氨酸发酵过程的实际运行需求,提高了自动化水平,减轻操作人员的劳动强度。
韦锟[10]（2020）在《基于变量选择和微分方程的全基因调控网络构建方法的研究》文中研究表明生物复杂性状是一类由多基因控制,同时又受环境影响的性状。传统的全基因组关联分析（Genome-wide association study,GWAS）可在复杂性状的遗传作图研究中定位出与之相关的显着性位点。但是,该方法无法确定各个显着性位点之间在性状发育过程中具有怎样的互作关系,所以复杂性状的遗传结构还不是完全明了。随着系统生物学的发展,基因调控网络（Gene regulatory network,GRN）成为研究复杂性状的有效工具,特别是全基因（Omnigenic）网络模型的提出,为我们提供了将全部基因同时纳入研究以解释复杂性状完整遗传力的理论基础。然而,全基因网络模型尚停留在理论的阶段,国内外尚未报道一种切实可行的全基因网络构建方法。现有的诸多基因网络构建方法各具特色,但面对超高维的基因数据以及多时间的动态表型数据时,这些已有的方法均在全基因网络构建的实践中显现出各自的不足。针对该问题,本研究设计出一套常微分方程组系统,用以描述全部基因在数量性状完整发展过程中的互作关系,通过变量选择算法对各个微分方程进行横向的降维,通过参数估计方法的推导得到常微分方程系统中各个节点之间的定量互作关系,最终得到调控数量性状整个发展过程的稀疏的、有向的、带权的全基因调控网络。在此基础上,本研究进一步将该网络构建方法运用在拟南芥生长实验所得数据中:1)将计算所得拟南芥茎高生长全基因调控网络关系与KEGG PATHWAY数据库中已有数据进行比较,发现网络结果中可在数据库中验证的部分正确率达到90.21%;2)计算衡量各个微分方程拟合效果的判定系数,判定系数达到0.9以上的微分方程占总数的92.6%;3)针对所提出的全基因网络构建方法进行全面的计算机模拟分析,发现该方法中两个关键步骤的精确度分别可在一般实验条件下达到0.931与0.879。接着,本研究利用拟南芥GO数据库对所得到的全基因网络进行注释,得到拟南芥茎高生长过程中起关键作用的基因模块:对茎高生长起上调作用的关键基因模块为GO:0080179,GO:0010282,GO:0004846等,起下调作用的关键基因模块为GO:2001143,GO:0044599,GO:0052722等。最后,从三个层面解析拟南芥茎高生长全基因调控网络中的信息:1)解析单个SNP在全基因网络中的作用效应,提取网络中发挥单一功能的关键性节点,由此定位出在拟南芥茎高生长过程中分别发出上调、下调作用的关键基因AT1G37405和AT2G47550,接收上调、下调作用的关键基因AT3G55400和AT3G13750;2)解析SNP-SNP之间的作用关系,将全基因网络中的SNP按照各自作用关系分为8种类型,定位出以上8种类型的代表性关键基因;3)对各个SNP在拟南芥完整生长过程中发挥的功能效应进行聚类分析,从结果中推断各个SNP在茎高生长过程中的功能作用类型。本研究将上述具有特殊结构特征的位点进行详细的功能注释,以探索网络结构与基因实际生理功能之间的关联。本研究通过数据库对比以及计算机模拟实验说明所提出方法的有效性及精确性;实际数据的分析表明该方法具有可行性,且可为复杂性状的研究提供丰富的、清晰的基因互作信息。说明该研究发展的新方法为深入解析复杂性状的遗传结构提供了一种强有力的工具,为运用全基因调控网络研究未知功能的基因提供了新的方法和思路。
二、非线性生长曲线参数估计的一种精确方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、非线性生长曲线参数估计的一种精确方法（论文提纲范文）
（1）动物生长轨迹的分层混合模型关联分析（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 1 前言 |
| 1.1 选题背景和意义 |
| 1.2 全基因组关联分析 |
| 1.2.1 全基因组关联分析的研究进展 |
| 1.2.2 全基因组关联分析方法 |
| 1.2.3 纵向性状关联分析 |
| 1.2.4 随机回归模型 |
| 1.3 家鼠与进化的研究 |
| 1.4 研究的目的 |
| 2 材料与方法 |
| 2.1 实验材料 |
| 2.1.1 资源群体 |
| 2.1.2 表型测定 |
| 2.1.3 标记分型 |
| 2.2 分层随机回归模型关联分析法 |
| 2.2.1 Legendre多项式 |
| 2.2.2 Richards生长曲线 |
| 2.2.3 线性分层随机回归模型 |
| 2.2.4 非线性分层随机回归模型 |
| 3 结果与分析 |
| 3.1 线性混合模型关联分析 |
| 3.2 线性分层随机回归关联分析 |
| 3.2.1 生长轨迹 |
| 3.2.2 全基因组关联分析 |
| 3.3 非线性分层随机回归关联分析 |
| 3.3.1 生长轨迹 |
| 3.3.2 全基因组关联分析 |
| 3.4 运行时间对比 |
| 4 讨论 |
| 4.1 线性分层混合模型的优缺点 |
| 4.2 非线性分层混合模型的优缺点 |
| 4.3 线性与非线性分层混合模型的比较 |
| 4.4 QTN效应对小鼠体重的影响 |
| 4.5 GI小鼠体型的进化机制 |
| 5 结论 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
（2）基于差分方程的Logistic林分密度生长模型构建（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 引言 |
| 1 文献综述 |
| 1.1 林分密度与生长的关系 |
| 1.2 常见林分密度指标方法 |
| 1.3 自稀疏关系下的林分密度评定方法 |
| 1.4 差分方程在林业上的应用 |
| 1.5 存在的问题 |
| 2 研究数据与内容 |
| 2.1 研究区概况 |
| 2.2 实验数据及预处理 |
| 2.3 研究内容 |
| 2.4 技术路线 |
| 3 密度指数生长模型构建 |
| 3.1 差分方程及其离散解和连续解 |
| 3.2 林分密度指数构建 |
| 3.3 林分密度指数生长模型构建 |
| 4 建模结果与极限密度线构建 |
| 4.1 参数估计结果 |
| 4.2 模型检验结果 |
| 4.3 极限密度曲线构建 |
| 5 分位数回归模型 |
| 5.1 分位数回归模型与原理 |
| 5.2 分位数方法建模结果 |
| 6 结果与分析 |
| 6.1 在无年龄数据情况下构建基于年龄的生长模型 |
| 6.2 离散模型和连续模型具有相同的参数 |
| 6.3 分位数回归法与极限密度法的比较 |
| 6.4 不同时期模型稳定性分析 |
| 7 结论、创新点与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（3）江南白鹅早期生长发育规律的分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 文献综述 |
| 1.1 动物生长发育 |
| 1.1.1 累积生长 |
| 1.1.2 绝对生长 |
| 1.1.3 相对生长 |
| 1.1.4 生长系数 |
| 1.1.5 分化生长 |
| 1.1.6 体型结构指数 |
| 1.2 动物生长模型 |
| 1.3 国内地方鹅种质资源及生长发育拟合模型研究进展 |
| 1.4 生长发育研究与精准营养的关系 |
| 1.5 试验动物简介 |
| 1.6 论文研究的目的与意义 |
| 1.7 技术路线 |
| 第2章 江南白鹅公、母鹅生长发育分析研究 |
| 2.1 材料与方法 |
| 2.1.1 试验时间和地点及试验动物 |
| 2.1.2 试验设计与饲养管理 |
| 2.1.3 试验饲粮及营养水平 |
| 2.1.4 测定指标及方法 |
| 2.1.5 生长发育指数 |
| 2.1.6 拟合曲线模型 |
| 2.1.7 数据统计分析 |
| 2.2 结果与分析 |
| 2.2.1 江南白鹅体重生长规律与模型拟合 |
| 2.2.2 江南白鹅肌肉生长规律与模型拟合 |
| 2.2.3 江南白鹅体尺增长规律与模型拟合 |
| 2.2.4 江南白鹅胫骨生长规律与模型拟合 |
| 2.2.5 江南白鹅内脏器官发育规律与模型拟合 |
| 2.2.6 江南白鹅生产性能特点 |
| 2.3 讨论 |
| 2.3.1 江南白鹅体重增长规律及性别差异 |
| 2.3.2 江南白鹅肌肉增长规律及性别差异 |
| 2.3.3 江南白鹅体尺生长规律及性别差异 |
| 2.3.4 江南白鹅骨骼生长规律及性别差异 |
| 2.3.5 江南白鹅主要内脏发育规律及性别差异 |
| 2.3.6 不同性别的江南白鹅生产性能特点 |
| 2.4 结论 |
| 2.4.1 江南白鹅体重增长规律及性别差异 |
| 2.4.2 江南白鹅肌肉生长规律及性别差异 |
| 2.4.3 江南白鹅体尺生长规律及性别差异 |
| 2.4.4 江南白鹅胫骨生长规律及性别差异 |
| 2.4.5 江南白鹅内脏器官发育规律及性别差异 |
| 2.4.6 江南白鹅的生长性能及性别差异 |
| 第3章 江南白鹅不同分段饲养方式下生长发育分析研究 |
| 3.1 材料与方法 |
| 3.1.1 试验时间和地点及试验动物 |
| 3.1.2 试验设计与饲养管理 |
| 3.1.3 试验饲粮及营养水平 |
| 3.1.4 测定指标及方法 |
| 3.1.5 拟合曲线模型 |
| 3.1.6 数据统计分析 |
| 3.2 结果与分析 |
| 3.2.1 不同分段饲养方式的江南白鹅体重增长规律与模型拟合 |
| 3.2.2 江南白鹅不同分段饲养方式下肌肉生长分析研究 |
| 3.2.3 江南白鹅不同分段饲养方式下体尺生长分析研究 |
| 3.2.4 江南白鹅不同分段饲养方式下胫骨生长分析研究 |
| 3.2.5 江南白鹅不同分段饲养方式下内脏器官发育分析研究 |
| 3.2.6 江南白鹅不同分段饲养方式下生产性能的比较 |
| 3.3 讨论 |
| 3.3.1 江南白鹅不同分段饲养方式下体增长的分析研究 |
| 3.3.2 江南白鹅不同分段饲养方式下肌肉生长分析研究 |
| 3.3.3 江南白鹅不同分段饲养方式下体尺生长分析研究 |
| 3.3.4 江南白鹅不同分段饲养方式下胫骨生长分析研究 |
| 3.3.5 江南白鹅不同分段饲养方式下内脏器官发育分析研究 |
| 3.3.6 江南白鹅不同分段饲养方式下生产性能的比较 |
| 3.4 结论 |
| 3.4.1 江南白鹅不同分段饲养方式下体增长的分析研究 |
| 3.4.2 江南白鹅不同分段饲养方式下肌肉生长分析研究 |
| 3.4.3 江南白鹅不同分段饲养方式下体尺生长分析研究 |
| 3.4.4 江南白鹅不同分段饲养方式下胫骨生长分析研究 |
| 3.4.5 江南白鹅不同分段饲养方式下内脏器官发育分析研究 |
| 3.4.6 江南白鹅不同分段饲养方式下生产性能的比较 |
| 第4章 全文结论 |
| 4.1 江南白鹅早期生长发育规律 |
| 4.2 江南白鹅公、母鹅生长发育分析研究 |
| 4.3 江南白鹅不同分段饲养方式下早期生长发育分析研究 |
| 参考文献 |
| 攻读硕士期间发表的学术论文 |
| 致谢 |
（4）女童青春期发育进程及其影响因素研究（论文提纲范文）
| 英汉缩略语名词对照 |
| 摘要 |
| ABSTRACT |
| 1 前言 |
| 2 研究方法 |
| 3 研究结果 |
| 4 讨论 |
| 本研究的创新性和局限性 |
| 全文总结 |
| 参考文献 |
| 文献综述 儿童青春期发育进程影响因素的系统评价 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的主要研究成果目录 |
| 参与的科研教学实践及学术交流情况 |
（5）基于中国肉用西门塔尔牛纵向发育性状的全基因组关联分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 中英文缩略词表 |
| 第1章 文献综述 |
| 1.1 西门塔尔牛简介 |
| 1.2 全基因组关联分析概述 |
| 1.3 线性混合模型介绍 |
| 1.3.1 线性混合模型概述 |
| 1.3.2 LMM在 GWAS中的应用 |
| 1.4 多重检验的校正方法 |
| 1.4.1 Bonferroni校正法 |
| 1.4.2 数据重排检验法 |
| 1.4.3 递减调整法 |
| 1.4.4 控制错误发现率法 |
| 1.5 GWAS在肉牛上的应用 |
| 1.6 基于纵向数据的GWAS |
| 1.6.1 纵向数据概述 |
| 1.6.2 两阶段分析法 |
| 1.6.3 逐点分析法 |
| 1.6.4 基于随机回归模型的GWAS |
| 1.7 GO和 KEGG富集分析 |
| 第2章 引言 |
| 2.1 研究目的和意义 |
| 2.2 技术路线 |
| 第3章 试验材料与方法 |
| 3.1 试验材料 |
| 3.1.1 资源群体 |
| 3.1.2 主要试验耗材 |
| 3.2 试验方法 |
| 3.2.1 试验数据正态性检验 |
| 3.2.2 基因分型与数据质量控制 |
| 3.2.3 生长曲线的拟合 |
| 3.2.4 群体分层矫正 |
| 3.2.5 单性状GWAS |
| 3.2.6 多性状GWAS |
| 3.2.7 GO和 KEGG富集分析 |
| 3.2.8 基于随机回归模型的GWAS |
| 3.2.9 基因功能注释 |
| 第4章 结果与分析 |
| 4.1 正态性检验 |
| 4.2 生长曲线的拟合 |
| 4.3 主成分分析 |
| 4.4 单性状GWAS分析 |
| 4.5 多性状GWAS分析 |
| 4.6 性状A、b、K的相关性分析 |
| 4.7 GO和 KEGG富集分析 |
| 4.8 基于随机回归模型的GWAS分析 |
| 第5章 讨论 |
| 5.1 生长曲线的拟合与相关性分析 |
| 5.2 基于曲线参数的GWAS和富集分析 |
| 5.2.1 单性状GWAS |
| 5.2.2 多性状GWAS |
| 5.2.3 GO和 KEGG富集分析 |
| 5.3 基于随机回归模型的GWAS |
| 第6章 结论 |
| 参考文献 |
| 附录 Ⅰ |
| 附录 Ⅱ |
| 附录 Ⅲ |
| 致谢 |
| 在读期间发表的文章 |
（6）长白落叶松-水曲柳带状混交林立地质量评价（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 纯林地位指数模型 |
| 1.2.2 混交林地位指数模型 |
| 1.2.3 立地质量评价模型 |
| 1.3 问题及趋势 |
| 1.4 研究内容 |
| 1.5 技术路线图 |
| 2 研究数据 |
| 2.1 研究地概况 |
| 2.2 数据收集 |
| 2.2.1 标准地设置 |
| 2.2.2 解析木测定 |
| 2.3 土壤因子的测定 |
| 2.4 本章小结 |
| 3 研究方法 |
| 3.1 优势木生长过程的假设与地位指数模型 |
| 3.1.1 基础方程 |
| 3.1.2 广义代数差分法 |
| 3.1.3 模型拟合 |
| 3.1.4 模型的检验与评价 |
| 3.2 立地质量评价模型 |
| 3.2.1 线性回归模型 |
| 3.2.2 支持向量机 |
| 3.2.3 朴素贝叶斯算法 |
| 3.2.4 随机森林算法 |
| 3.2.5 分类精度评价 |
| 3.3 本章小结 |
| 4 结果与讨论 |
| 4.1 优势木生长过程的假设 |
| 4.1.1 落叶松树高生长优势木模型及全等级木分位数回归模型的比较 |
| 4.1.2 水曲柳树高生长优势木模型及全等级木分位数回归模型的比较 |
| 4.2 差分方程的推导与地位指数模型拟合 |
| 4.2.1 落叶松差分地位指数模型 |
| 4.2.2 水曲柳差分地位指数模型 |
| 4.2.3 林分立地等级的划分 |
| 4.3 多元立地质量评价 |
| 4.3.1 立地因子的整理 |
| 4.3.2 多元立地质量评价模型 |
| 4.3.3 立地类型划分与立地质量评价 |
| 4.3.4 混交带不同位置优势木对立地质量评价的影响 |
| 4.4 讨论 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 附件 |
（7）基于PCA-ICA方法的工业控制系统完整性攻击检测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 工控系统安全与其他安全的比较 |
| 1.3 工业控制系统安全的研究现状 |
| 1.3.1 工业控制系统攻击检测研究现状 |
| 1.3.2 当前工作存在的不足 |
| 1.4 本文主要工作及创新点 |
| 第2章 工业控制系统结构与攻击建模 |
| 2.1 引言 |
| 2.2 工业控制系统的工作原理 |
| 2.3 工业控制系统模型 |
| 2.4 控制回路的攻击分析与攻击建模 |
| 2.4.1 控制回路的攻击分析 |
| 2.4.2 控制回路的完整性攻击模型 |
| 2.5 TE过程机理模型与攻击分析 |
| 2.5.1 TE过程简介 |
| 2.5.2 TE过程建模与异常传递分析 |
| 2.6 本章小结 |
| 第3章 基于PCA-ICA与贝叶斯推断的攻击检测研究 |
| 3.1 引言 |
| 3.2 基于多元统计方法的攻击检测研究 |
| 3.2.1 主元分析方法(PCA)的原理及检测指标 |
| 3.2.2 独立成分分析(ICA)方法的原理及检测指标 |
| 3.3 基于PCA-ICA与贝叶斯推断的攻击检测算法 |
| 3.3.1 基于贝叶斯推断的联合检测指标 |
| 3.3.2 基于PCA-ICA与贝叶斯推断的联合攻击检测过程 |
| 3.4 TE仿真平台仿真实验结果 |
| 3.5 攻击定位与攻击特征分析 |
| 3.5.1 基于贡献图的攻击定位 |
| 3.5.2 基于概率密度分布图的攻击特征分析 |
| 3.6 本章小结 |
| 第4章 基于改进JB-KPCA-KICA方法的攻击检测研究 |
| 4.1 引言 |
| 4.2 基于Jarque-Bera检验的划分方法 |
| 4.3 基于余弦相似度的改进KPCA-KICA检测方法 |
| 4.3.1 核主元分析(KPCA)方法的基本原理与检测指标 |
| 4.3.2 核独立成分分析(KICA)方法的基本原理与检测指标 |
| 4.3.3 余弦相似度原理与相似性分析 |
| 4.4 基于改进JB-KPCA-KICA方法的联合攻击检测过程 |
| 4.5 仿真实验结果 |
| 4.6 本章小结 |
| 第5章 基于小波去噪和JB-KPCA-KICA方法的攻击检测 |
| 5.1 引言 |
| 5.2 基于小波阈值的去噪方法 |
| 5.2.1 小波去噪原理 |
| 5.2.2 改进的小波阈值去噪方法 |
| 5.3 基于小波阈值去噪的数据处理过程 |
| 5.4 仿真实验结果 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间主要的研究成果 |
| 致谢 |
| 个人简介 |
（9）谷氨酸发酵过程的软测量建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外谷氨酸产业的发展现状 |
| 1.2.1 谷氨酸物化性质及发展历史 |
| 1.2.2 国内外谷氨酸产业现状 |
| 1.3 软测量技术 |
| 1.3.1 软测量建模概述 |
| 1.3.2 软测量建模步骤与内容 |
| 1.3.3 软测量建模方法 |
| 1.3.4 软测量技术应用 |
| 1.4 发酵过程软测量建模国内外研究现状 |
| 1.4.1 基于机理模型的发酵过程软测量 |
| 1.4.2 基于数据驱动的发酵过程软测量 |
| 1.4.3 混合模型软测量 |
| 1.5 主要研究内容和结构安排 |
| 第二章 谷氨酸发酵过程动力学建模 |
| 2.1 引言 |
| 2.2 发酵过程基础数学模型 |
| 2.2.1 发酵过程合成和和代谢分解反应 |
| 2.2.2 发酵过程典型数学模型 |
| 2.2.3 发酵过程比反应速率模型 |
| 2.3 谷氨酸发酵过程代谢(流)网络分析 |
| 2.3.1 材料与方法 |
| 2.3.2 发酵过程影响因素分析 |
| 2.3.3 代谢网络模型的简化、计算和求解 |
| 2.3.4 基于代谢网络结构模型的谷氨酸浓度预测 |
| 2.4 谷氨酸发酵分批流加非结构动力学建模 |
| 2.4.1 非线性规划确定非结构动力学模型参数 |
| 2.4.2 遗传算法确定非结构动力学模型参数 |
| 2.4.3 改进遗传算法确定非结构动力学模型参数 |
| 2.5 本章小结 |
| 第三章 基于多阶段支持向量机回归的谷氨酸发酵过程软测量 |
| 3.1 引言 |
| 3.2 支持向量机 |
| 3.2.1 支持向量机分类 |
| 3.2.2 支持向量机回归 |
| 3.3 多阶段分割算法 |
| 3.4 基于多阶段支持向量机回归的谷氨酸浓度软测量 |
| 3.5 结果与讨论 |
| 3.6 本章小结 |
| 第四章 基于偏最小二乘和最小二乘支持向量机的谷氨酸发酵过程软测量 |
| 4.1 引言 |
| 4.2 偏最小二乘 |
| 4.2.1 PLS原理与计算方法 |
| 4.2.2 模型提取成分的确定 |
| 4.3 最小二乘支持向量机 |
| 4.4 基于耦合模拟退火的最小二乘支持向量机软测量 |
| 4.4.1 模拟退火算法 |
| 4.4.2 耦合模拟退火算法 |
| 4.4.3 耦合模拟退火优化参数算法 |
| 4.4.4 基于CSA优化的LSSVM软测量预测算法 |
| 4.5 基于PLS-LSSVM的谷氨酸发酵过程软测量 |
| 4.5.1 PLS-LSSVM软测量预测模型实现流程 |
| 4.5.2 辅助变量选择 |
| 4.6 结果与讨论 |
| 4.6.1 模型性能评估指标 |
| 4.6.2 PLS与 LSSVM模型比较 |
| 4.6.3 SVM和 LSSVM预测模型比较 |
| 4.6.4 PLS-LSSVM简化模型性能分析 |
| 4.7 本章小结 |
| 第五章 基于高斯过程的谷氨酸发酵过程软测量 |
| 5.1 引言 |
| 5.2 高斯过程模型 |
| 5.2.1 无参预测 |
| 5.2.2 高斯过程回归 |
| 5.2.3 协方差函数 |
| 5.2.4 高斯过程的模型选择 |
| 5.2.5 高斯过程稀疏化 |
| 5.3 基于PLS-GP的谷氨酸发酵过程软测量 |
| 5.3.1 基于PLS-GP的软测量模型架构 |
| 5.3.2 训练数据的准备 |
| 5.3.3 输入变量选择 |
| 5.3.4 协方差函数的确定 |
| 5.3.5 结果和讨论 |
| 5.4 基于预测方差的谷氨酸发酵过程异常状态分析 |
| 5.4.1 基于预测方差的自主动高斯过程模型 |
| 5.4.2 基于预测方差的谷氨酸发酵过程异常状态分析 |
| 5.5 基于自相关决定高斯过程的谷氨酸发酵软测量 |
| 5.5.1 基于特征关联性的自相关决定变量选择 |
| 5.5.2 结果和讨论 |
| 5.6 本章小结 |
| 第六章 谷氨酸发酵过程软测量建模及优化控制系统的开发 |
| 6.1 引言 |
| 6.2 谷氨酸发酵过程软测量实施系统软件构架 |
| 6.3 谷氨酸发酵过程计算机控制系统 |
| 6.3.1 溶解氧控制 |
| 6.3.2 温度控制 |
| 6.3.3 pH值控制 |
| 6.3.4 压力的控制 |
| 6.3.5 泡沫的控制 |
| 6.4 谷氨酸发酵过程溶解氧的优化控制 |
| 6.4.1 材料与方法 |
| 6.4.2 DO控制算法 |
| 6.4.3 结果和讨论 |
| 6.5 监控系统设计 |
| 6.6 Matlab与 RSView32 通信的实现 |
| 6.7 软测量应用实例——谷氨酸发酵过程异常批次识别 |
| 6.8 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读博士学位期间的成果 |
（10）基于变量选择和微分方程的全基因调控网络构建方法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 引言 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 复杂性状的研究所面临的挑战 |
| 1.1.2 GWAS在复杂性状研究中的不足 |
| 1.2 基因调控网络的研究现状 |
| 1.2.1 基因网络构建方法的研究进展 |
| 1.2.2 全基因网络模型 |
| 1.3 高维度网络的稀疏化方法 |
| 1.3.1 基于机器学习的网络稀疏化原则 |
| 1.3.2 变量选择 |
| 1.4 研究内容及论文安排 |
| 2 构建全基因网络的基本理论及算法 |
| 2.1 全基因调控网络模型 |
| 2.2 通过变量选择进行模型降维 |
| 2.3 微分方程的参数估计 |
| 2.4 本章小结 |
| 3 全基因网络构建方法的实际应用 |
| 3.1 实验材料与生长实验 |
| 3.2 拟南芥全基因网络的构建 |
| 3.3 结果与讨论 |
| 3.3.1 拟南芥生长实验 |
| 3.3.2 全基因网络构建方法的检验 |
| 3.3.3 计算机模拟分析 |
| 3.4 本章小结 |
| 4 拟南芥全基因网络的解析 |
| 4.1 全基因网络的功能注释分析 |
| 4.2 单个SNP在全基因网络中作用效应的解析 |
| 4.3 SNP-SNP之间作用关系的解析 |
| 4.4 完整生命过程中SNP功能的聚类分析 |
| 4.5 结果与讨论 |
| 4.5.1 全基因网络的功能注释分析 |
| 4.5.2 单个SNP在全基因网络中作用效应的解析 |
| 4.5.3 SNP-SNP之间作用关系的解析 |
| 4.5.4 完整生命过程中SNP功能的聚类分析 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录清单 |
| 致谢 |
四、非线性生长曲线参数估计的一种精确方法（论文参考文献）
- [1]动物生长轨迹的分层混合模型关联分析[D]. 曲倩楠. 东北农业大学, 2021
- [2]基于差分方程的Logistic林分密度生长模型构建[D]. 陈烨铭. 浙江农林大学, 2021(02)
- [3]江南白鹅早期生长发育规律的分析研究[D]. 万雨. 扬州大学, 2021
- [4]女童青春期发育进程及其影响因素研究[D]. 李月月. 重庆医科大学, 2021(01)
- [5]基于中国肉用西门塔尔牛纵向发育性状的全基因组关联分析[D]. 段星海. 西南大学, 2021
- [6]长白落叶松-水曲柳带状混交林立地质量评价[D]. 牛亦龙. 东北林业大学, 2021(08)
- [7]基于PCA-ICA方法的工业控制系统完整性攻击检测研究[D]. 李娴静. 浙江大学, 2021(01)
- [8]中国通航产业发展阶段实证研究——基于产业生命周期视角[J]. 王有远,陈璐,徐长斌. 南昌航空大学学报(社会科学版), 2020(03)
- [9]谷氨酸发酵过程的软测量建模研究[D]. 郑蓉建. 江南大学, 2020(01)
- [10]基于变量选择和微分方程的全基因调控网络构建方法的研究[D]. 韦锟. 北京林业大学, 2020(06)