【目的】建立寒地水稻移栽至成熟期抗旱綜合評價指標(biāo)體系,篩選抗旱水稻種質(zhì)資源。【方法】以穗重、穗粒數(shù)、結(jié)實率等13個性狀為指標(biāo),采用主成分分析法及聚類分析等方法對30個寒地水稻種質(zhì)資源（樣本）進(jìn)行抗旱性綜合評價。用25個樣本以抗旱力特征指標(biāo)值為輸入,對應(yīng)抗旱綜合評價值為輸出,利用誤差反向傳播（Error Back Propagation,BP）神經(jīng)網(wǎng)絡(luò)算法構(gòu)建學(xué)習(xí)模型;其余5個樣本為驗證樣本,評價學(xué)習(xí)模型的預(yù)測準(zhǔn)確性。變換3組學(xué)習(xí)樣本構(gòu)建3個學(xué)習(xí)模型,對比3個模型的預(yù)測準(zhǔn)確性,驗證建模方法的合理性與穩(wěn)定性。【結(jié)果】利用主成分分析將干旱脅迫下13個單項指標(biāo)轉(zhuǎn)化為5個相互獨(dú)立的綜合指標(biāo),累積貢獻(xiàn)率達(dá)83.761%。依據(jù)參試材料抗旱綜合評價值進(jìn)行聚類分析,將30個參試樣本劃分為強(qiáng)抗旱型、抗旱型、中間抗旱型、旱敏感型4類。第1類強(qiáng)抗旱型的有1個（農(nóng)豐3055）,第2類抗旱型的有12個,第3類中間抗旱型的有6個,第4類旱敏感型的有11個。基于水稻性狀指標(biāo)與抗旱綜合評價值相關(guān)性分析結(jié)果,篩選出穗重、穗粒數(shù)、結(jié)實率、產(chǎn)量、生物產(chǎn)量和經(jīng)濟(jì)系數(shù)6項指標(biāo)作為水稻抗旱適宜性評價的特征指標(biāo)。以特征指標(biāo)值為輸入層... 

【文章來源】：福建農(nóng)業(yè)學(xué)報. 2020,35(08)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

30個參試材料抗旱能力的系統(tǒng)聚類分析

從30個水稻參試材料樣本中篩選出25個樣本作為學(xué)習(xí)樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型構(gòu)建，剩余5個樣本作為預(yù)測樣本驗證模型準(zhǔn)確性，其中BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型結(jié)構(gòu)如圖2所示。由圖2可知，該模型包含輸入層、隱含層和輸出層3層，其中模型輸入為穗重、穗粒數(shù)、結(jié)實率、產(chǎn)量、生物產(chǎn)量、經(jīng)濟(jì)系數(shù)等6項抗旱力特征指標(biāo)值，因此有6個神經(jīng)元。模型輸出為抗旱綜合評價值D，因此輸出層神經(jīng)元有1個。隱含層神經(jīng)元在BP神經(jīng)網(wǎng)絡(luò)中扮演特征檢驗算子的角色，起到?jīng)Q定性作用，隱藏層節(jié)點(diǎn)數(shù)一般設(shè)為輸入層節(jié)點(diǎn)數(shù)的一半左右，本神經(jīng)網(wǎng)絡(luò)將隱藏層設(shè)為4個節(jié)點(diǎn)。最終構(gòu)建一個“輸入層-隱藏層-輸出層”為“6-4-1”的三層BP神經(jīng)網(wǎng)絡(luò)。本研究從30個水稻參試材料樣本中隨機(jī)篩選25個樣本建立學(xué)習(xí)模型，剩余5個樣本進(jìn)行抗旱指標(biāo)適宜性得分預(yù)測。為評價模型預(yù)測準(zhǔn)確性及建模方法穩(wěn)定性，變換25個學(xué)習(xí)樣本構(gòu)建了3個學(xué)習(xí)模型，其預(yù)測結(jié)果如表6所示。由表6可知，3個學(xué)習(xí)模型共15個驗證樣本抗旱適宜性預(yù)測得分與實際得分相對誤差均小于10%，最小相對誤差僅為0.07%，說明BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測效果較好。將水稻參試材料實際得分與神經(jīng)網(wǎng)絡(luò)預(yù)測得分進(jìn)行回歸分析，以參試材料實際得分作為橫坐標(biāo)，模型預(yù)測值作為縱坐標(biāo)進(jìn)行線性擬合，3組預(yù)測結(jié)果的決定系數(shù)R2分別為0.972 1、0.913 9、0.959 5（圖3），預(yù)測值與實際值相符程度均較高，證明神經(jīng)網(wǎng)絡(luò)模型能夠較準(zhǔn)確、穩(wěn)定地評價水稻抗旱力指標(biāo)是否適宜進(jìn)行水稻的抗旱性綜合評價。但不同水稻參試材料樣本構(gòu)建的學(xué)習(xí)模型預(yù)測效果存在較大差異，說明用于建立學(xué)習(xí)模型的樣本數(shù)量仍較少，變換少量學(xué)習(xí)樣本會議對預(yù)測效果產(chǎn)生較大影響。同時，學(xué)習(xí)模型所需的樣本應(yīng)具有典型性與代表性，部分水稻參試材料樣本與其他樣本差異較大也可能對預(yù)測效果產(chǎn)生較大影響。

本研究從30個水稻參試材料樣本中隨機(jī)篩選25個樣本建立學(xué)習(xí)模型，剩余5個樣本進(jìn)行抗旱指標(biāo)適宜性得分預(yù)測。為評價模型預(yù)測準(zhǔn)確性及建模方法穩(wěn)定性，變換25個學(xué)習(xí)樣本構(gòu)建了3個學(xué)習(xí)模型，其預(yù)測結(jié)果如表6所示。由表6可知，3個學(xué)習(xí)模型共15個驗證樣本抗旱適宜性預(yù)測得分與實際得分相對誤差均小于10%，最小相對誤差僅為0.07%，說明BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測效果較好。將水稻參試材料實際得分與神經(jīng)網(wǎng)絡(luò)預(yù)測得分進(jìn)行回歸分析，以參試材料實際得分作為橫坐標(biāo)，模型預(yù)測值作為縱坐標(biāo)進(jìn)行線性擬合，3組預(yù)測結(jié)果的決定系數(shù)R2分別為0.972 1、0.913 9、0.959 5（圖3），預(yù)測值與實際值相符程度均較高，證明神經(jīng)網(wǎng)絡(luò)模型能夠較準(zhǔn)確、穩(wěn)定地評價水稻抗旱力指標(biāo)是否適宜進(jìn)行水稻的抗旱性綜合評價。但不同水稻參試材料樣本構(gòu)建的學(xué)習(xí)模型預(yù)測效果存在較大差異，說明用于建立學(xué)習(xí)模型的樣本數(shù)量仍較少，變換少量學(xué)習(xí)樣本會議對預(yù)測效果產(chǎn)生較大影響。同時，學(xué)習(xí)模型所需的樣本應(yīng)具有典型性與代表性，部分水稻參試材料樣本與其他樣本差異較大也可能對預(yù)測效果產(chǎn)生較大影響。3 討論

【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的汽油機(jī)尾氣排放預(yù)測[J]. 左付山,李政原,呂曉,張營.  江蘇大學(xué)學(xué)報(自然科學(xué)版). 2020(03)
[2]人工神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用研究[J]. 梁春華.  無線互聯(lián)科技. 2019(22)
[3]7份喀麥隆水稻種質(zhì)資源萌發(fā)期抗旱性綜合鑒定[J]. 張軍,崔瀟,趙章囡,劉倩,秦悅,周華娜.  陜西農(nóng)業(yè)科學(xué). 2019(04)
[4]水稻抗旱研究進(jìn)展與展望[J]. 王英,張浩,馬軍韜,張麗艷,鄧凌偉,王永力,高晶,張國民.  熱帶作物學(xué)報. 2018(05)
[5]雜交秈稻新組合抗旱性鑒定評價及預(yù)測研究[J]. 張鴻,朱從樺,譚杰,李星月,楊文鈺,康海歧.  干旱地區(qū)農(nóng)業(yè)研究. 2018(02)
[6]不同晚稻品種抗旱性相關(guān)指標(biāo)研究[J]. 鐘娟,傅志強(qiáng).  作物研究. 2015(06)
[7]云南陸稻芽期抗旱性鑒定指標(biāo)篩選及其綜合評價[J]. 徐建欣,楊潔,胡祥偉,蘇子涵,王云月.  西南農(nóng)業(yè)學(xué)報. 2015(04)
[8]應(yīng)用隸屬函數(shù)法綜合評價水稻主栽品種抗旱性的研究[J]. 劉三雄,黎用朝,吳俊,閔軍,常碩其,劉利成,盧向陽,鄧啟云.  雜交水稻. 2015(01)
[9]水稻萌芽期抗旱指標(biāo)篩選與抗旱性綜合評價[J]. 楊瑰麗,楊美娜,李帥良,曲志恒,黃明,陳志強(qiáng),王慧.  華南農(nóng)業(yè)大學(xué)學(xué)報. 2015(02)
[10]云南省不同小麥資源種子萌發(fā)期抗旱性相關(guān)性狀差異及與抗旱指數(shù)、抗旱系數(shù)的相關(guān)性[J]. 周國雁,伍少云,隆文杰,雷涌濤.  華南農(nóng)業(yè)大學(xué)學(xué)報. 2015(02)

博士論文
[1]利用回交導(dǎo)入系篩選水稻高產(chǎn)、抗旱和耐鹽株系及選擇導(dǎo)入系相關(guān)性狀的QTL定位[D]. 王英.中國農(nóng)業(yè)科學(xué)院 2013
[2]水稻抗旱性研究及其鑒定指標(biāo)的篩選[D]. 王賀正.四川農(nóng)業(yè)大學(xué) 2007



本文編號：3576766