宁波市自然科学基金(2003A62015)
- 作品数：1 被引量：3H指数：1
- 相关作者：陈芝丹关文静朱艺峰吴仲宁薛良义更多>>
- 相关机构：宁波大学更多>>
- 发文基金：国家高技术研究发展计划宁波市自然科学基金更多>>
- 相关领域：农业科学更多>>
- 鱼类饥饿处理量化及处理因子贡献率的神经网络随机化测试被引量：3
- 2008年
- 设一直投喂(SR00)、周期性饥饿2d再投喂2d(SR22)、饥饿7d再投喂2d(SR72)和饥饿7d再投喂7d(SR77)4种投喂方式,将投喂方式量化为饥饿压力(SS)和循环率(CF)因子,并结合8周实验的干物质摄食量(FI)、鱼体重(BW)、温度(TE)、盐度(SA)、pH(PH)和生长时间(GT)因子,分别对花鲈增重(WG)、特定生长率(SGR)和干物质饲料转换率(FCR)构建神经网络并对其进行预测.结果表明,不同处理对WG、SGR和FCR的影响均存在显著差异(P<0.05).饥饿处理组的WG和SGR均不能达到一直投喂组水平,除SR72处理组FCR显著高于对照处理外(P<0.05),SR22和SR77组与SR00组均无显著差异(P>0.05).人工神经网络对SGR和WG具有极佳的预测效果,但对FCR无效.8个分析因子中,FI、SS、CF和GT对WG、SGR有显著贡献,且WG的大小主要取决于FI,而SGR主要取决于SS.随机化测试显示,实验处理因子(包括相关的FI因子)对WG和SGR的贡献率分别为64.9%和79.7%.
- 朱艺峰陈芝丹关文静吴仲宁薛良义
- 关键词：贡献率神经网络
