人工神经网络在环棱螺体质量缺失值预测中的应用

环棱螺育种时,往往会出现部分个体体质量数据缺失的情况。为尽可能利用育种性能优异的所有个体的信息,采用人工神经网络对来自5个地理群体(阳澄湖、江阴、官莲湖、洪湖和仙桃)的784个环棱螺的4个形态学指标(包括壳高、壳宽、壳口高和壳口宽)和体质量数据进行训练,再使用太湖群体的261个环棱螺的相应数据进行人工神经网络模型测试,建立了用于环棱螺体质量缺失值预测的人工神经网络模型,利用该人工神经网络模型对微山湖群体的201个环棱螺缺失的体质量进行预测,并比较该方法与另外2种缺失值预测方法(即预测均数匹配法和随机森林预测法)的决定系数。结果显示,研究构建的人工神经网络模型对环棱螺体质量缺失值预测的决定系数为0.96,明显高于预测均数匹配法(0.87)和随机森林预测法(0.85)的决定系数。以上结果表明,本研究建立的人工神经网络模型可以用于环棱螺体质量缺失值的预测。

2种壳色梨形环棱螺贝壳7种金属元素质量分数比较分析

利用电感耦合等离子体质谱(ICP-MS)对梨形环棱螺(Bellamya purificata)青色和紫色贝壳的7种金属元素质量分数进行了比较分析。结果显示:紫色梨形环棱螺贝壳中铁(Fe)质量分数显著高于青色贝壳。青色贝壳中钾(K)、镁(Mg)、锰(Mn)的含量显著高于紫色贝壳,钠(Na)、锶(Sr)、锌(Zn)元素含量在两种壳色贝壳中差异不显著。贝壳中Fe含量和K、Mg、Mn的含量呈显著负相关,与Sr、Zn含量的相关性不显著。K、Mg、Mn、Na的4种元素含量呈显著正相关。