一、对于测线调查样本的生物分布密度推定的几种方法的比较研究(论文文献综述)
白青清[1](2021)在《河北省某污灌类场地地球化学特征与评价》文中进行了进一步梳理本论文对河北省典型污水灌溉区土壤和地下水进行采样或在监测井进行直接检测,检测无机元素、有机物质、农残、细菌类以及耗氧类物质的含量、分布情况,并结合物探技术利用土壤和地下水的电导率分析重金属类在土壤地下水中的迁移轨迹,分析探讨重金属以及其他污染物在研究区土壤以及地下水中的迁移规律以及迁移能力。利用EXCEL、ARCGIS、SUFFER等软件绘制平面图、折线图、分布图,分析研究区土壤和地下水的地球化学特征。并通过对比污水渠及地下水的历史数据和实际监测数据,分析地下水污染物来源,得出目前地下水污染源应来自几个不同方面:先期污水渠污水灌概累积效应、污水灌概造成土壤污染的进一步溶滤及农业施肥等。利用地球化学对比法和统计分析方法确定地球化学基线值,再运用污染因子法,地质累积指数法和污染负荷指数法分析场地的污染状况。通过对该区域地球化学基线的计算和评价,得出该研究区重金属除Cr和As两类元素未受到明显人类活动的影响外,其他几种重金属元素均不同程度的与人类活动相关,其中Hg和Zn受人类活动影响最为显着。污灌区的土壤重金属污染主要发生在表层,总体为中度污染程度。其中Hg元素属于强污染;Zn元素属于中度污染范围;Cd元素属于无污染至中度污染之间。深层土壤为无污染状态。
谭雨蕾[2](2021)在《砂岩型铀矿空间垂向分带方法与含铀层识别研究 ——以鄂尔多斯盆地北部大营铀矿为例》文中研究指明铀矿资源作为国家能源-战略型资源,是我国军工/军事、国防工业、能源开发及国民经济有序增长的重大需求之一。砂岩型铀矿是目前所有铀矿类型中最具开采潜力的铀矿床,表生铀元素伴随着岩石的剥蚀、水解及风化,铀元素迁移及富集成矿均需要较为特殊的盆地沉积条件及盆地构造背景,使得砂岩型铀矿在成矿过程呈现一定的空间选择性分布规律,在垂向空间分布上具有成层性、分带性等特征。因此,砂岩型铀矿垂向空间展布特点和分带特征对其成矿规律与资源预测研究具有一定的理论指导意义。本论文以鄂尔多斯盆地北部大营铀矿床这一典型砂岩型铀矿床为研究对象。运用地球物理钻孔测井定量数据及地层年代信息等定性数据,对铀矿化、铀异常及铀元素在垂向空间范围内的分布及变异特征等关键问题进行深入分析,给出砂岩型铀矿空间垂向二维分带特征与三维可视化,完成含铀层识别的二维含铀层异常区段分带和三维异常区域圈定,为鄂尔多斯盆地砂岩型铀矿的垂向空间分布特征和区域成矿特点及砂岩型铀矿资源预测提供研究方法和理论依据。本论文提出的砂岩型铀矿空间垂向分带方法与含铀层识别研究属于砂岩型铀矿空间复杂环境中的非线性模型研究,具有大样本,变量多,定性数据与定量数据融合等特点,属于典型砂岩型铀矿地质数据分析范畴,即针对不同类型、不同尺度、不同分辨率下的砂岩型铀矿数据进行非线性方法研究的一种探索与尝试。论文中提出的三种砂岩型铀矿空间垂向分带方法及含铀层识别研究概述如下:(1)基于空间谱度量的砂岩型铀矿空间垂向分带方法该方法以盆地构造特征、地质背景及沉积环境为依据,根据傅里叶变换理论及功率谱密度思想建立空间谱度量,运用钻孔测井数据中的伽玛测照射量率(n C/kg·h)曲线数据进行试算研究,在垂向空间范围内对含铀层进行识别提取,根据识别出的含铀层深度位置,进行空间垂向二维分带展布特征与空间垂向三维异常区域可视化研究,完成研究区砂岩型铀矿含铀层异常区段识别和圈定工作。(2)基于空间标度分析-空间谱度量的砂岩型铀矿空间垂向分带方法该方法利用空间标度分析对多种测井数据(包括伽玛测照射量率(n C/kg·h)、定量伽玛测照射量率(n C/kg·h)、孔径(mm)、自然电位(mv)、视电阻率(Ω·m)、密度(g/cm3)等)进行综合分析,再结合空间谱度量思想在垂向空间范围内对含铀层进行识别提取,根据识别出的含铀层深度位置,完成空间垂向二维分带展布特征与空间垂向三维异常区域可视化研究,与空间谱度量方法相比,该方法将影响铀成矿的多种因素进行综合分析,可弥补单一伽玛照射率曲线在实际砂岩型铀矿探测中的不足。(3)基于广义相关分析-空间谱度量的砂岩型铀矿空间垂向分带方法该方法运用地层年代定性数据对多条测井曲线定量数据进行约束性分析,融合广义相关分析及空间谱度量对上述两类数据进行分析,根据含铀层识别提取结果完成空间垂向二维分带展布特征与空间垂向三维异常区域可视化研究。与上述两种方法相比较,该方法将地层年代定性数据应用到砂岩型铀矿空间垂向分带中,同已知矿化信息相比较,可以更加精确的对含铀层进行识别提取。砂岩型铀矿属于比较特殊的矿产资源,需在特殊的地质背景下才能富集成矿。本论文综合考虑影响砂岩型铀矿成矿的各类因素,分别基于不同类型数据(钻孔测井数据和地层年代信息)提出一系列空间垂向分带方法,从而进行含铀层精确识别。进而为砂岩型含铀盆地空间垂向分带体系建立及砂岩型铀矿资源预测提供理论依据与技术方法。
刘丽元[3](2021)在《GWAS、CNV及ROH挖掘宁夏地区荷斯坦奶牛重要性状候选基因的研究》文中提出本研究以宁夏地区荷斯坦奶牛为研究对象,基于系谱信息、生产性能测定(DHI)记录和GGP Bovine 150k SNP基因型数据,利用随机回归测定日模型、全基因组关联分析(GWAS)、基因组拷贝数变异(CNV)和杂合性缺失(ROH)等分析策略定位和挖掘影响荷斯坦奶牛重要生产性状的分子标记、基因组结构变异区域和相关候选基因,探索试验群体在选育和进化过程中留下的基因组选择信号,结果表明:(1)运用随机回归测定日模型对宁夏荷斯坦奶牛第一个泌乳期5个产奶性状和体细胞评分(SCS)进行遗传分析,结果表明该群体各性状的加性方差和永久环境方差均在泌乳初期和后期趋于较大,产量性状(产奶量、乳脂量和乳蛋白量)的遗传力在0.19~0.24之间、乳成分(乳脂率和乳蛋白率)的遗传力在0.39~0.42之间、体细胞评分(SCS)的遗传力为0.11。(2)利用GWAS分析策略鉴定到13个基因组区域(1Mb)、10个SNPs标记和一些已知和未知的候选基因(DGAT1、ABCG2、PTK2、TRAPPC9、SCARB1和SLCO1A2)对宁夏地区荷斯坦奶牛产奶性状和SCS有重要影响。此外,还筛选到一些具有多效性的基因(TIGAR、SPP1、LCORL、NCAPG和LAP3)不仅与牛产奶性状有关,还与乳房炎抗性、生长和屠宰等性状有关。(3)利用 PennCNV(ARS-UCD1.2)、PennCNV(UMD3.1)和 CNVPartition(UMD3.1)在试验群体常染色体基因组中检测到1,790、1,667和619个CNV区域(CNVRs),其CNVR总长度分别占常染色体总长度的14.2%、13.7%和11.0%。其中,在ARS-UCD1.2基因组中检测到41个高频率CNVRs(群体频率大于5%)。在UMD3.1参考基因组的结果中,不同方法检测到的拷贝数变异区域在群体水平上表现较高的相似度,其重叠区域总长度约为168.71Mb,分别占比PennCNV 结果的 48.9%,占 CNVPartition 结果的 58.43%。(4)关联分析共筛选到23个CNVRs对该群体产奶性状和SCS有较大效应,其中,有6个CNVRs 与已知的产奶性状 QTLs 相重叠,有 5 个 CNVRs(CNVR213、CNVR470、CNVR1061、CNVR1298和CNVR1789)内包含有与奶牛产奶性状密切相关的重要候选基因。此外,本研究发现有55个样本在着名的DGAT1基因上存在拷贝数变异,由于该基因是已知与奶牛乳用性状显着相关的关键基因,探索该基因拷贝数变异对表型的影响也意义重大,目前已将这些个体例为后续验证群体名录。(5)在试验群体中共发现23个高频率ROH区域,其中有5个区域内含有大量已知的对奶牛表型有重要影响的候选基因。位于14号染色体的Win761窗口发现ROH的样本量超过总体的50%,该区域内含有大量与牛生长发育、体尺及采食量等性状显着相关的候选基因,其中包括着名的具有多效性的PLAG1和CHCHD7基因。此外,位于20号染色体ROH区域内的基因多与牛产奶性状相关,位于7、10和29号染色体上的选择区域内的候选基因多与牛繁殖性状相关。荷斯坦牛在品种培育过程中对奶牛体型、泌乳能力及公牛繁殖力等性状进行过强度选择,这些高频率的杂合性缺失区域既是该品种在选育过程中留下的选择信号。综上所述,本研究利用GWAS、CNV和ROH等基因组分析方法充分挖掘影响宁夏地区荷斯坦奶牛重要性状的遗传变异和候选基因,研究结果可以为中国荷斯坦牛育种提供较为重要的基础数据,为解析荷斯坦奶牛重要性状的分子遗传机制提供线索,为后续进一步基因功能研究提供重要依据和设计思路,为未来奶牛更精准的基因组选择方案奠定基础。
董川[4](2020)在《抗CRISPR-Cas蛋白的生物信息学分析与识别研究》文中提出2013年,Bondy-Denomy等人首次发现了一类小分子蛋白,噬菌体和其它可移动分子可以借此逃脱细菌和古菌CRISPR-Cas系统的免疫伤害。这些蛋白可采用直接结合的方式、位点修饰的方式抑制Cas蛋白的活性,根据该类蛋白抑制CRISPRCas系统的特性,Bondy-Denomy等人将其命名为抗CRISPR-Cas蛋白,简称Acrs。本文的主要工作围绕Acrs进行。本工作从相关文章收集了目前已经报道的Acrs数据,并从相关资源库中收集了Acrs相关的信息。例如,本文从NCBI中收集了Acrs的物种来源、编码基因,从STRING(https://string-db.org/)、DIP(http://dip.doe-mbi.ucla.edu/)等数据库中收集了蛋白的相互作用信息,从毒力因子数据库VFDB(http://www.mgc.ac.cn/VFs/)中收集了Acrs与毒力因子的序列相似性信息。进一步汇总这些信息,构建了一个在线、综合的数据库Anti-CRISPRdb(http://cefg.uestc.cn/anti-CRISPRdb2),其中包括400多条记录。随着时间推移,越来越多的Acrs及其家族被发现,于是我们更新了第一个版本的数据库,可以从链接http://cefg.uestc.cn/anti-CRISPRdb/访问。更新版本中包含更多的家族和家族成员信息,新增加了6种抑制类型的Acrs;新版本将NCBI基因组浏览器整合进来,用户可以借此查看Acrs周边蛋白的情况;本工作通过将Acrs和PDB数据库(https://www.rcsb.org/)中的所有蛋白质链进行比对,进而增添了更多的结构信息,其中包括320多个Acrs结构信息。本文工作又基于Anti-CRISPRdb数据库进一步分析了Acrs的特征,分析表明Acrs和非Acrs有明显可区分的特征,具体表现在:Acrs比非Acrs短很多,并且比非Acrs具有更显着的密码子使用偏差,原核生物基因组内大量的Acrs被注释为假设蛋白、功能未知蛋白。本文工作通过分析也发现Acrs演化上的一些特点:1)Acrs多数位于基因组岛和前噬菌体片段上表明了Acrs的水平转移事件;2)Acrs相对于基因组的密码子使用偏差表明Acrs是近期转入到宿主菌中;3)有些Acrs在邻近的物种间连续分布表明了某些Acrs近期的转入事件,并在近邻物种间进行了扩张。为了定量刻画基因位于基因组岛或者前噬菌体片段上的可能性,本文工作定义并提出了一个无序列比对的参数dev,该参数是基于基因密码子相对于基因组密码子使用偏差进行的度量。基于Acrs的特征和演化上的特点,本文工作又构建了基于随机森林的识别算法。多次不同随机状态下的交叉验证表明该方法可以获得平均99.75%的准确率、平均75.1%的召回率、平均86.1%的查准率,跨物种交叉验证表明该方法可以将71.4%的真正的Acrs排在预测结果的前10名,该算法也能从新近识别Acrs的物种中准确识别出4个Acrs。基于本文的Acrs识别算法,本论文工作设计了一个网络服务,与此同时也在Git Hub上发布了本地版本,并将其命名为Acr Detector(http://cefg.uestc.cn/acr Detector)。Acr Detector不依赖于同源搜索,因此可以发现新的Acrs。另外,Acr Detector依赖于基因组背景特征,可以作为其它基于序列组成特征的补充工具。虽然Acr Detector可以识别潜在的Acrs,但是却不能识别它所抑制的CRISPRCas系统类型,准确识别候选物种CRISPR-Cas系统类型是识别Acrs抑制类型的关键。为此,本工作将马尔可夫图聚类算法和延伸最大连续Cas子簇的方法引入到Cas蛋白、cas基因座和基因座类型的注释中,这使得本工作的方法可以识别融合的Cas蛋白,并可以识别更加精确的cas基因座。此外,本论文工作也开发了Cas Locus Anno工具(http://cefg.uestc.cn/Cas Locus Anno/index.html)用于Cas蛋白、cas基因座和类型的注释,将并行运算运用到Cas Locus Anno工具中,以便加速注释速度。本文工作测试了Cas Locus Anno的执行效率和识别能力,对于大部分的测试数据Cas Locus Anno可以在29秒内完成注释,大部分物种可以在27.5秒以内的时间完成注释,Cas Locus Anno和CRISPRCas Finder的比较结果表明Cas Locus Anno的准确性比CRISPRCas Finder高出5%,且附加预测率要比CRISPRCas Finder低1.4%。
刘洪霞[5](2020)在《多波束声呐水体影像在中底层水域目标探测中的应用》文中进行了进一步梳理多波束回声测深(Multibeam Echo Sounder,MBES)系统作为当前水下地形测量的主流设备,具有测量范围广、速度快、精度高等优点,能高效获取大面积水深数据和海底反向散射强度信息。新一代多波束系统除了具有记录海底深度、强度等信息外,还可以检测到水体中物体的散射,记录为多波束声呐水体数据(Water Column Data,WCD)。水体数据的处理、识别和应用是国际上多波束应用研究热点之一,本文深入分析了多波束声呐水体影像(Water Column Image,WCI),围绕中底层水域目标的探测及应用,以海底沉船和海洋内波两种典型目标为研究对象,研究其探测、识别和应用,拓展多波束应用领域,提高复杂环境下海底地形测量的精度,主要工作如下:1.系统阐述了多波束声呐水体成像机理、影响因素及成图方式。对水体数据生成的多种视角影像图的特征及优缺点进行详细分析,归纳总结了多波束水体成像影响因素,并提出溯源角度定权插值方法对水体数据成像效果进行了改善。2.针对水体影像噪声强烈、数据量大、目标识别困难等问题,提出了一种基于视图转换的水体二维影像目标提取方法。分别从垂向和航向对水体数据特性进行统计分析,以此为基础设计算法的思路框架:利用Otsu算法分割波束阵列投影图,获得图像前景区域,剔除水体背景数据;根据不同视角影像图的映射关系,定位目标和海底在垂向图中的采样区间,并设置局部阈值进行逐一滤波,达到抑制旁瓣的目的;通过航向图的凸闭包计算,识别水体目标区域。实验分析表明,本文算法准确定位了目标区域,从数据整体出发保证了水体影像的处理效率,并且具有较强的适应性和可控性。3.针对水体目标三维建模时表面采样点空间分布不均现象,提出了一种基于序列轮廓线的水下目标三维重建算法。根据多波束水体数据采集原理,将数据转换至地理框架下并逐ping提取轮廓点云;通过轮廓线中心平移、划分空间格网等方法,避免出现面片错位、自相交等问题,并使用最短对角线法构建三角格网;对于重建过程中的相邻ping间的“分支”问题,基于点位间的欧式距离自动插入断点,使不同轮廓线一一对应。结果分析表明,本文算法能够有效降低面片冗余度,同时避免带来孔洞现象,准确还原水下目标物特征,较现有的α-shape算法、抛雪球算法更具优势。4.基于海洋内波特征及动力学模型,分析了海洋内波对多波束测深精度的影响及海底地形畸变特征。分别从声速跃层垂直位移、声速跃层倾斜角度、航向方位角以及海底深度四个维度分析多波束测深中海洋内波的影响;针对不同因素影响机理,分析内波影响下的海底地形变化特点及测深误差分布,用以准确判断实测海底地形是否受内波影响。5.针对受海洋内波影响的海底地形出现的类似“麻花”状褶皱异常,提出了基于多波束水体影像的海洋内波探测及同步水深改正方法。基于海洋内波的水体影像特征及受内波影响的海底地形畸变特征提取内波振幅、波长、传播方向等参数,构建内波瞬态方程;根据空间几何关系及Snell法则,确定声线折射路径,进行三维声线跟踪,计算波束脚印坐标;经过多次迭代,逐渐提高改正精度。通过数值模拟表明,本文算法能有效改善多波束测深精度,实现海洋内波的探测及同步水深改正,提高多波束测量效率。
魏丕静[6](2020)在《基于癌症组学数据网络分析的驱动基因识别算法研究》文中指出癌症本质上与基因变异有关,目前人们普遍认为,有一小部分发生变异的基因具有选择生长优势,对癌症发生发展过程有促进作用,一般称之为驱动基因。大部分发生变异的基因对癌症发生发展没有促进作用,称之为乘客基因。在众多的乘客基因中识别驱动基因是癌症研究的热点问题。围绕这一目标,很多驱动基因识别算法应运而生,特别地,鉴于基因之间存在相互作用关系,且从网络角度可以更加系统地研究癌症特点,因此,已有很多基于网络的方法被用来挖掘癌症驱动基因。但是仍然有很多特征对驱动基因识别有影响,例如基因长度对突变概率的影响、先验知识的影响以及网络拓扑结构特征的影响等。另外,除了对单一癌症识别驱动基因外,有研究表明不同癌症之间可能存在相同的特点和致病基因。本文针对上述问题开展了系统性研究,主要工作如下:(1)提出了一种基于基因长度校正突变概率的驱动基因识别算法LNDriver,本算法考虑了基因长度对基因突变概率的影响。对于体细胞突变数据,通过广义加性模型,根据突变基因长度,对其突变概率进行校正,从而过滤由于长度过长产生的假阳性基因。然后根据蛋白质-蛋白质相互作用网络,将筛选后的基因突变数据与表达数据整合并构建二分图,最后用贪婪算法识别驱动基因。在几种不同数据上的实验结果表明,该算法对癌症驱动基因识别性能优于一些经典算法,并且能够有效减少由于基因长度导致的假阳性驱动基因。(2)针对先验蛋白质相互作用网络的不完整性以及基因表达在癌症样本和正常样本分布中的差异现象,在LNDriver算法基础上,提出了Driver Finder算法。除了考虑基因长度的影响外,本算法主要利用癌症基因表达数据构建基因共表达网络,再与已知蛋白质-蛋白质相互作用网络整合,对不同癌症构建特异性网络,避免由于先验网络不完整造成的基因信息缺失。此外,根据基因表达在癌症样本和正常样本中的分布差异,确定离群基因,最终构建二分图,利用贪婪算法识别驱动基因。在不同癌症数据集上的实验结果表明Driver Finder算法可以有效识别癌症驱动基因。(3)提出了一种基于转移偏向性的随机游走算法Driver_IRW,用来识别癌症驱动基因。在传统随机游走算法中,游走者以等概率选择下一步要访问的节点。但是在实际情况中,游走者往往具有选择偏向性,即在选择下一步访问的节点时,更偏向于选择度更大的点。此外,本算法可以根据不同癌症已知的驱动基因,利用其拓扑结构特征计算随机跳转概率。实验表明,Driver_IRW对癌症驱动基因的识别具有明显优势。(4)提出了一种基于多层网络的联合非负矩阵分解算法Driver-Mul JNMF,用来识别不同癌症中共同的致病基因。不同癌症可能存在相同的特征和致病模式,DriverMul JNMF算法针对疾病相似性较高、且较为多发的几种妇科癌症,构建了一个多层差异共表达网络,同时利用已知蛋白质-蛋白质相互作用网络信息作为约束条件,实现同时对多个网络进行分解,从而得到不同癌症中共同的模块。对模块中的基因分析表明,本算法识别出的基因可以显着富集到与所研究癌症相关的Hallmark和重要通路中,并且生存分析表明,其中包含的部分基因具有良好的预后价值。
曾霞辉[7](2020)在《基于无人机影像的林分蓄积量估测研究》文中研究指明林分蓄积量,指林分内所有活立木的总材积,是森林资源调查的重要指标之一。森林蓄积量的获取方法主要有实地调查和遥感估测,实地调查获得蓄积量费时费力、工作量大,卫星遥感影像估测蓄积量,时效性较差、精度低。无人机操作简单、成本低、机动响应快速,弥补了卫星遥感容易受云、雾等天气情况影响的缺点,解决了传统卫星遥感重访周期过长,应急不及时等问题,不受时间和地点的约束,影像数据分辨率高,受气候条件影响小,能实现低成本、高效、准确的估测林分蓄积量。本文以湖南衡山森林生态系统定位观测研究站为研究区,以研究区实验样地为研究对象,通过野外实测获得树木的胸径、树高等调查数据,利用无人机获取实验样地的影像数据。结合实验样无人机影像数据和野外实地调查数据,通过数据预处理得到高精度的三维模型;根据预处理结果,利用面向对象多尺度分割技术与GIS空间分析技术进行树冠信息提取,进而提取了林分平均冠幅、林分郁闭度、林分平均高和株数密度四个林分因子;以提取的林分因子为自变量,实测蓄积量为因变量构建了三种林分蓄积量估测模型,并对其进行模型检验以及比较分析选出拟合效果最好的模型。主要研究结果如下:(1)无人机数据获取与预处理。基于大疆无人机采集的影像数据和实验样地高程点数据,选用无人机数字摄影测量处理平台Agisoft PhotoScan进行预处理,利用多视图三维重建、影像外方位元素等技术,生产出高分辨率的数字正射模型、高精度的数字表面模型以及数字高程模型。(2)提取树冠信息。基于高精度的数字正射影像,利用面向对象的图像分析方法与多尺度分割技术,针对影像设置合适的分割尺度、紧致度和形状因子进行多尺度分割;以光谱、纹理和形状特征作为分类指标进行分类,有效提取树冠信息,F测度达到0.73。(3)提取林分因子。基于无人机影像数据预处理结果和单木树冠分割结果,提取实验样地的林分平均冠幅、林分郁闭度、林分平均树高和株数密度参数。以实地调查数据为验证数据,样地总体精度分别是:林分平均冠幅为85.24%,林分郁闭度为89.91%,林分平均高为85.78%;株数密度为79.86%。(4)构建蓄积量估测模型。以实测蓄积量为因变量,提取的林分因子为自变量,构建了三种蓄积量估测模型:多元线性回归模型、偏最小二乘回归模型和BP神经网络,其中多元线性回归模型的决定系数为0.641,相对误差为21.16%;偏最小二乘回归模型的决定系数为0.778,相对误差为18.93%;BP神经网络的决定系数为0.712,相对误差为39.68%。根据决定系数及误差分析等检验指标选出拟合效果最好模型的是偏最小二乘回归模型。综合上述,基于无人机高分辨率影像数据,通过遥感方法提取建模因子,并以此构建蓄积量估测模型,能够快速准确的获得林分蓄积量,研究结果为基于无人机的林分蓄积量估测研究提供了多种参考方法,对于林业监测、调查数据获取都有着一定的参考作用。
贾卓[8](2020)在《深部矿产资源地球物理响应与多参数指标体系研究》文中进行了进一步梳理随着我国对矿产需求量的逐年增高,浅部和易识别的矿床难以满足我国发展的需要,现如今深部矿床的研究与勘探越来越引起地质勘察行业人员的重视。然而,我国对深部矿产资源的研究仍然步伐缓慢,许多矿床也正在进行二次开发的状态。随着工业科技的发展,我们国家对矿产资源的需求随之增加。然而,深部金川矿床的资源还未进行更多的研究,这是一项非常有意义的工作,深部找矿主要考虑3000米以浅的矿床。因此,本文借助了国家重点研发项目“深部矿产资源地球物理响应与综合指标体系”的资助对深部的矿产资源进行了相应的研究。研究内容主要分为两个部分,一是在中、小尺度上建立深部矿产资源的地球物理响应指标体系,用来评价地球物理方法探测深部矿床的能力,二是使用机器学习的方法对大尺度范围内的地球物理数据进行异常指标的提取。针对第一部分,本文以金川铜镍硫化物矿床为例,主要应用了重力、磁法、大地电磁(MT)、地震等地球物理方法对金川铜镍硫化物矿床进行了正演计算,并对计算结果进行了相应的分析。再将采集的金川矿床的重力、磁法、可控音频大地电磁(CSAMT)数据进行反演,将反演结果结合矿床地质背景进行分析与评价。然后,将层次分析法(AHP)对深部矿产资源的情况进行了指标体系建立,采用6种不同成因类型的25种典型矿床进行了重、磁、电、震的数值模拟,并分析了模拟的地球物理响应信号与矿床的对应关系,对地球物理响应的特征信号进行评分,然后对重、磁、电、震四种地球物理方法的响应指标进行分析并得到权重系数,最后使用四种方法的权重系数以及评分分数构建了深部矿产资源的地球物理响应评价指标体系。针对第二部分,本文使用了机器学习中的方法对大范围内的地球物理异常的指标进行提取,利用机器学习方法中的高斯混合模型(GMM)的方法对加拿大苏必利尔湖地区的重力与航磁数据进行了试验,并将地球物理异常指标提取出来绘制了该地区的矿产远景图。本文首先搜集金川铜镍硫化物矿床的地质背景资料、地质成因等信息,了解该信息可以有效地对深部矿床进行一个有效的判定,根据地质信息有效地分析地球物理的响应结果,也能保证后续指标体系建立的准确性。接下来,对金川硫化物铜镍矿床进行地质与地球物理建模,为了更加准确的描绘矿体的形态特征,本文在矩形网格的基础上,加入了基于自适应的Delaunay网格建模的方法,并分析了该方法生成的网格质量。基于自适应的Delaunay网格建模的金川硫化物铜镍矿床模型,在边界以及复杂区域具有网格细化的特点,在物性差异较小的地区可以实现网格稀疏处理,从而节省了计算机内存的使用。该网格剖分算法自动生成,控制网格的质量并保证数值模拟的精度。接着以地质成矿理论为基础,综合搜集的地质与地球物理相关的资料。构建了金川硫化物铜镍矿床的空间和平面的地球物理模型。以地球物理模型为基础,将积分方程法、重心体积方法、有限差分算法、有限单元法等数值模拟方法应用在地球物理方法的数值计算中,根据模拟的结果以及地质背景与成因,讨论矿床的赋存情况以及深部矿床的信号响应。根据四种地球物理方法获得的响应信息,对四种方法进行了判定并给与权重系数。通过给定的系数,将其使用在地球物理探测深部矿产的指标体系中。对金川铜镍硫化物矿床采集的地球物理数据进行反演与分析,针对金川硫化物铜镍矿床的地质背景,定性分析了金川铜镍硫化物矿床的典型结构与物性的分布结构。针对地球物理响应的信号与反演结果,对重、磁、电、震四种地球物理方法进行响应的评价分析,并根据分析结果作为指标体系中选择的权重系数重要依据。然后,为构建深部矿产资源地球物理指标体系,本文使用了层次分析法选择了6种不同成因的矿床类型作为深部矿产资源的二级指标,使用了25个典型矿床分别作为二级指标的解释指标,即三级指标。将模拟25个典型的矿床的地球物理响应作为三级指标的解释指标。将矿床的地球物理响应信号特征进行分析和评分,同时对四种地球物理方法的效果进行权重确定,然后对获取的权重进行了可行性验证,验证结果通过后根据地球物理四种方法的权重系数进行加权。最后将权重系数与地球物理响应评分进行综合计算并获得每个矿床的地球物理指标评分,再将25个矿床的评分进行综合评价,得到了深部矿产的综合指标体系的综合评分。针对这些模拟和处理结果,利用层次分析法建立了不同指标之间的联系,同时建立了深部矿产资源的地球物理指标体系。该指标体系不仅对本文选择的矿床有一个评判系统,得到了综合25个矿床的地球物理响应的综合评价,并且也能对地球物理方法探测深部矿产进行有效地指导。最后,本文进行了地球物理异常指标的提取工作,使用了机器学习中的高斯混合模型的方法对苏必利尔湖地区的地球物理数据进行了试验。当高斯混合函数具有足够多的高斯函数时,可以模拟任何连续的复杂概率分布。重力与磁法的等值线图可以看作是连续的概率密度分布函数,因此,可以利用GMM方法对其进行建模,并使用最大似然估计的方法将高斯混合函数有效地在区域内进行圈定。该地区所有不符合高斯混合模型分布的地球物理数据,被认为是异常区域。将平面中所有不同的异常点提取出来可以构成该地区的地球物理异常指标平面图,也可以叫做矿产远景图。根据调整高斯函数的数量,最终确定了5个高斯函数实现苏必利尔湖地区的地球物理数据建模,并获得了该地区的指标分布图,经对比,有83%的矿床位于异常指标范围内,同时使用接收者操作特征曲线(ROC)与异常面积百分比(PAA)对模拟结果进行评价,证明了该工作的有效性。
赵启明[9](2020)在《基于机器学习的舰载海洋数据处理系统设计与实现》文中研究表明近年来,我国在海洋信息领域的研究和开发正处于快速发展阶段,海洋数据的高效处理和应用是促进海洋科技进一步发展和获取国际竞争优势的关键。目前海洋数据呈现出时空关联性强,格式种类多样的特点,带来了异源数据分析难度大、处理效率低等问题,同时现有的舰载海洋数据处理系统仍处于起步阶段,机器学习理论在海洋数据处理和分析的研究较少,因此通过机器学习理论提高海洋数据处理系统实时处理和分析的效率,对我国海洋强国的建设具有重要的意义。本文结合机器学习理论开展海洋数据预处理和海洋温跃层分析方法的研究,首先提出了基于GA-BP神经网络的海洋多源数据预处理算法和基于PCA-SVM的海洋温跃层分析方法,同时为了提高海洋数据处理效率,设计和实现了一套数字化的舰载海洋数据处理系统。本文的主要工作如下:(1)本文首先分析了海洋数据异常情况和处理流程,并在此基础上提出了基于GA-BP神经网络的海洋多源数据预处理算法,包括异常值过滤、数据插值、数据修正和生成标准文件等步骤。同时通过遗传算法优化的BP神经网络进行数据插值,用真实的气象和水文数据进行实验仿真,结果表明算法能满足舰载海洋数据处理系统的基本需求,可为后续海洋数据分析及预测提供参考。(2)在传统温跃层分析方法的基础上,提出了一种基于PCA-SVM的海洋温跃层分析方法,以Argo数据为样本集进行实验仿真,运用PCA方法进行数据降维,并使用变步长的网格搜索方法训练SVM分类模型,与其他机器学习模型相比具有良好的效果。(3)为了对数据进行更高效的处理和应用,设计和实现了一套基于.NET框架的舰载海洋数据处理系统,对系统进行了需求分析、总体设计、数据库设计和功能模块设计,在满足准确性性和稳定性的同时,实现对复杂海洋环境的要素特征提取和可视化分析,为舰船实时处理和分析海洋数据提供了一种新的解决方案。
白嵩[10](2020)在《Chirp浅剖声呐海底声学参数获取技术研究》文中研究表明浅地层剖面探测技术是一种基于水声学原理的走航式海底浅部地层结构探测方法,利用声波在海水和海底沉积物中的传播特性对海底沉积物结构进行连续探测,从而获得直观的海底结构剖面图,已被广泛应用于海底探测各领域中。如今,科研人员对海底沉积层的研究更加深入,不再仅以海底结构探测为单一目的,而正逐步扩展到沉积层声学参数的获取与应用领域。与传统取样及原位测量等技术相比,基于浅地层剖面探测的海底声学参数估计技术具有获取样本数量大、探测效率高等特点,但这一技术尚处于研究阶段,要达到广泛应用还需进一步开展大量的研究工作。通过对高分辨率浅剖数据的优化处理,更加准确、快捷得获取浅地层的海量声学特征数据,最终用于支撑海底底质及目标物的分类、识别等具有重要意义。本文针对高分辨Chirp浅剖声呐数据开展高信噪比数据处理及海底关键声学参数获取技术研究。首先,研究基于分数阶傅里叶变换的浅剖信号处理算法,在变换域获得优于传统处理方法的优质沉积层冲激响应信号,经过计算机仿真和实测数据处理得出,利用分数阶傅里叶变换技术处理Chirp浅剖信号具有更好处理性能的结论;其次,提出一种联合多波束浅剖探测及遗传算法的浅地层声速和层厚估计算法,以射线声学理论为基础,建立了一种基于多波束浅剖探测的多角度入射声线层间声速求解模型,实现了海底分层介质中声速和层厚的同时估计,解决了传统单波束浅剖探测无法去除声速与层厚信息耦合的问题,计算机仿真验证了方法的有效性;最后,基于分数阶傅里叶变换处理获得的高信噪比海底沉积层冲激响应信号,提取沉积层的层间声波传播时延和各层的声波反射强度,利用弛豫时间法解算出了海底沉积层层间声衰减系数,并基于声波的层间透射和反射理论,实现了沉积层声阻抗信息的获取,形成了海底沉积层声学参数获取的总体流程。论文研究为基于Chirp浅剖探测的海底声学参数获取提供了一种技术途径。
二、对于测线调查样本的生物分布密度推定的几种方法的比较研究(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、对于测线调查样本的生物分布密度推定的几种方法的比较研究(论文提纲范文)
(1)河北省某污灌类场地地球化学特征与评价(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题依据及意义 |
1.1.1 选题依据 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 土壤重金属元素污染的评价方法 |
1.3 研究目标及内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.3.3 技术路线 |
1.3.4 完成的工作量 |
第二章 研究区概况 |
2.1 场地概况 |
2.2 污水渠概况 |
2.3 社会概况 |
2.4 地形地貌 |
第三章 工作内容与采样分析 |
3.1 工作内容 |
3.2 采样分析 |
第四章 场地土层与地下水特征 |
4.1 场地岩性与结构特征 |
4.2 水文地质结构特征 |
4.2.1 包气带 |
4.2.2 潜水含水层 |
4.2.3 弱含水层 |
4.2.4 弱承压含水层 |
4.3 地下水水位、水质变化特征 |
4.3.1 地下水水位变化特征 |
4.3.2 地下水水温变化特征 |
4.3.3 地下水电导率变化特征 |
4.3.4 地下水pH值变化特征 |
4.3.5 地下水溶解氧的变化特征 |
4.3.6 地下水氧化还原电位(ORP)的的变化特征 |
第五章 土层及地下水的地球化学特征 |
5.1 污染物种类 |
5.1.1 污染沟渠和引渠水中的污染物 |
5.1.2 底泥中的污染物 |
5.1.3 土壤中的污染物 |
5.1.4 污灌区及其周边地下水中的污染物 |
5.2 主要关注污染物在土水介质中迁移转化 |
5.2.1 重金属垂向变化 |
5.2.2 PAHs垂向变化 |
5.2.3 农残垂向变化 |
5.2.4 小结 |
第六章 污灌区土壤重金属污染评价 |
6.1 灌区土壤样品分析 |
6.2 地球化学基线值 |
6.3 基于地球化学基线的污染程度评价 |
第七章 结论 |
参考文献 |
作者简介 |
攻读学位期间取得的研究成果 |
致谢 |
(2)砂岩型铀矿空间垂向分带方法与含铀层识别研究 ——以鄂尔多斯盆地北部大营铀矿为例(论文提纲范文)
中文摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及选题依据 |
1.2 国内外研究现状 |
1.2.1 国内外砂岩型铀矿研究现状 |
1.2.2 鄂尔多斯盆地北部砂岩型铀矿研究现状 |
1.2.3 国内外测井地质学研究现状 |
1.3 研究目标与研究意义 |
1.4 研究内容与研究方案 |
1.4.1 研究内容 |
1.4.2 研究思路与技术路线 |
1.5 论文主要研究成果和创新点 |
1.6 本章小结 |
第2章 区域地质与矿床地质背景 |
2.1 研究区自然地理概况 |
2.2 盆地地质特征 |
2.2.1 盆地构造背景 |
2.2.2 盆地沉积-古地理演化背景 |
2.2.3 盆地地层特征 |
2.3 研究区矿床地质特征 |
2.3.1 研究区矿床构造及地层特征 |
2.3.2 目的层沉积相及岩石学特征 |
2.3.3 层间氧化带特征 |
2.4 研究区水文地质特征 |
2.5 论文所用数据构成 |
2.6 本章小结 |
第3章 砂岩型铀矿地质空间垂向分带特征概述 |
3.1 砂岩型铀矿地质空间简介 |
3.1.1 地质空间定义 |
3.1.2 砂岩型铀矿地质空间 |
3.1.3 砂岩型铀矿空间大数据 |
3.2 砂岩型铀矿垂向空间分带特征 |
3.2.1 岩性垂向分带特征 |
3.2.2 测井垂向分带特征 |
3.2.3 层间氧化带分带特征 |
3.3 本章小结 |
第4章 基于空间谱度量的砂岩型铀矿空间垂向分带方法 |
4.1 算法研究背景 |
4.1.1 傅里叶变换理论 |
4.1.2 功率谱密度理论 |
4.2 算法实现 |
4.2.1 数据预处理 |
4.2.2 空间谱度量方法 |
4.3 实验结果在含铀层识别中的应用 |
4.3.1 空间垂向分带二维识别结果 |
4.3.2 空间垂向分带三维可视化 |
4.4 本章小结 |
第5章 基于空间标度分析—空间谱度量的砂岩型铀矿空间垂向分带方法 |
5.1 算法研究背景 |
5.2 算法实现 |
5.2.1 数据预处理 |
5.2.2 空间标度分析-空间谱度量方法 |
5.3 实验结果在含铀层识别中的应用 |
5.3.1 空间垂向分带二维识别结果 |
5.3.2 空间垂向分带三维可视化 |
5.4 本章小结 |
第6章 基于广义相关分析-空间谱度量的砂岩型铀矿空间垂向分带方法 |
6.1 算法研究背景 |
6.2 算法实现 |
6.2.1 数据预处理 |
6.2.2 广义相关分析-空间谱度量方法 |
6.3 实验结果在含铀层识别中的应用 |
6.3.1 空间垂向分带二维识别结果 |
6.3.2 空间垂向分带三维可视化 |
6.4 本章小结 |
第7章 结论 |
7.1 主要工作及结论 |
7.2 三种空间垂向分带方法的对比 |
7.3 空间垂向分带方法在含铀层识别与资源预测研究中的应用 |
7.4 存在的问题及进一步设想 |
7.4.1 存在的问题 |
7.4.2 进一步工作设想 |
参考文献 |
作者简介及在学期间所取得的科研成果 |
致谢 |
(3)GWAS、CNV及ROH挖掘宁夏地区荷斯坦奶牛重要性状候选基因的研究(论文提纲范文)
摘要 |
ABSTRACT |
缩略词 |
第一章 文献综述 |
1.1 奶牛遗传评估研究进展 |
1.1.1 奶牛的表型性状 |
1.1.2 选育方法和遗传评估模型 |
1.1.3 综合选择指数和多国联合评估 |
1.2 全基因组关联分析研究进展 |
1.2.1 基因分型技术 |
1.2.2 基于SNPs的GWAS分析策略 |
1.2.3 常用的GWAS分析方法 |
1.3 基因组拷贝数变异研究进展 |
1.3.1 拷贝数变异定义 |
1.3.2 拷贝数变异对基因功能的影响 |
1.3.3 拷贝数变异的检测方法 |
1.3.4 人类复杂疾病拷贝数变异 |
1.3.5 牛基因组拷贝数变异 |
1.4 基因组杂合性缺失研究进展 |
1.4.1 杂合性缺失定义 |
1.4.2 杂合性缺失的研究意义 |
1.4.3 牛基因组ROH的研究进展 |
1.5 研究的目的与意义 |
第二章 荷斯坦奶牛产奶性状和SCS遗传评估 |
引言 |
2.1 材料与方法 |
2.1.1 表型记录 |
2.1.2 数据处理 |
2.1.3 固定效应方差分析 |
2.1.4 遗传评估模型 |
2.1.5 方差组分和遗传力估计 |
2.1.6 个体育种值估计 |
2.2 结果与分析 |
2.2.1 产奶性状和SCS描述性统计量 |
2.2.2 非遗传因素分析 |
2.2.3 各性状遗传参数估计 |
2.2.4 表型值和育种值分布及其相关性 |
2.3 讨论 |
2.3.1 各性状表型值分析 |
2.3.2 泌乳曲线及表型相关 |
2.3.3 各性状遗传参数估计 |
2.4 小结 |
第三章 荷斯坦奶牛产奶性状和SCS全基因组关联分析 |
引言 |
3.1 实验材料 |
3.1.1 表型数据 |
3.1.2 基因型数据 |
3.2 实验方法 |
3.2.1 基因型数据质控 |
3.2.2 主成分分析 |
3.2.3 关联分析 |
3.2.4 候选基因功能注释及通路分析 |
3.3 结果与分析 |
3.3.1 SNPs标记信息 |
3.3.2 群体结构 |
3.3.3 GWAS分析结果 |
3.3.4 多效性基因组窗口的筛选 |
3.4 讨论 |
3.4.1 群体结构 |
3.4.2 产奶性状GWAS分析结果 |
3.4.3 多效性QTLs的筛选 |
3.5 小结 |
第四章 荷斯坦奶牛基因组拷贝数变异分析 |
引言 |
4.1 实验材料 |
4.1.1 试验群体和表型数据 |
4.1.2 基因型和信号强度文件 |
4.2 试验方法 |
4.2.1 SNPs数质量控制 |
4.2.2 推断拷贝数变异 |
4.2.3 比较CNV,构建基因组CNVRs及可视化 |
4.2.4 基于CNVRs的关联分析 |
4.2.5 CNV区域基因功能注释 |
4.3 结果与分析 |
4.3.1 SNPs和CNVs数据质控 |
4.3.2 ARS-UCD1.2和UMD3.1基因组版本中的拷贝数变异 |
4.3.3 ARS-UCD1.2和UMD3.1基因组版本中的拷贝数变异区域 |
4.3.4 产奶性状与CNVRs的关联分析 |
4.3.5 显着CNV区域重叠的QTLs |
4.3.6 显着CNV区域的基因功能注释 |
4.3.7 CNV区域重要基因的发现 |
4.4 讨论 |
4.4.1 SNPs标记信息 |
4.4.2 CNVs和CNVRs结果比较 |
4.4.3 CNVRs与产奶性状的关联分析 |
4.4.4 显着基因的功能注释 |
4.4.5 高频CNVR区域的重要基因 |
4.5 小结 |
第五章 荷斯坦奶牛基因组杂合性缺失研究 |
引言 |
5.1 研究方法 |
5.1.1 试验样本 |
5.1.2 检测ROH |
5.1.3 计算基因组近交系数(FROH) |
5.1.4 ROH区域统计分析及可视化 |
5.1.5 基因功能注释 |
5.2 结果与分析 |
5.2.1 常染色体上的SNP密度分布情况 |
5.2.2 ROH分布和近交系数 |
5.2.3 ROH总长占各染色体的比例 |
5.2.4 各牧场试验牛群基于ROH的近交程度 |
5.2.5 各长度分组下ROH的统计量 |
5.2.6 ROH窗口在各染色体上的频率分布 |
5.2.7 ROH可视化结果 |
5.2.8 高频ROH区域上基因的功能注释 |
5.3 讨论 |
5.3.1 检测和统计ROH |
5.3.2 基于ROH的近交系数 |
5.3.3 可视化ROH区域及精细定位 |
5.3.4 高频ROH区域的基因功能注释 |
5.4 小结 |
第六章 结论与创新点 |
6.1 结论 |
6.2 创新点 |
第七章 展望 |
7.1 论文不足之处 |
7.2 下一步计划 |
参考文献 |
附录 |
致谢 |
个人简介 |
(4)抗CRISPR-Cas蛋白的生物信息学分析与识别研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 生物信息学概览 |
1.1.1 生物信息学产生的背景 |
1.1.2 生物信息学的研究内容 |
1.2 原核生物基因组 |
1.3 原核生物基因组中的重复序列 |
1.4 CRISPR-Cas系统 |
1.4.1 CRISPR的发现 |
1.4.2 CRISPR的构成和特点 |
1.4.3 Cas蛋白 |
1.4.4 CRISPR-Cas系统的功能和免疫过程 |
1.4.5 CRISPR-Cas系统的分类 |
1.5 Acrs蛋白 |
1.5.1 Acrs的发现 |
1.5.2 Acrs的抑制机制 |
1.5.3 Acrs蛋白的应用 |
1.6 细菌和噬菌体之间的竞争 |
1.7 Acrs相关的生物信息学研究 |
1.8 本文主要工作 |
1.9 本文主要创新点 |
1.10 论文的结构 |
第二章 Anti-CRISPRdb:Acrs蛋白的综合在线资源库 |
2.1 引言 |
2.2 数据库的构建 |
2.2.1 数据的来源 |
2.2.2 Acrs家族内部之间的序列相似性 |
2.2.3 Acrs与 VFDB数据库的序列相似性信息 |
2.2.4 非冗余数据集构建 |
2.2.5 数据库的构建 |
2.3 Anti-CRISPRdb数据库的使用 |
2.4 数据库进一步更新 |
2.4.1 进一步更新的背景 |
2.4.2 更新库中数据的收集 |
2.4.3 更新版本库和老版本库数据比较 |
2.4.4 新版本数据库允许用户查看Acrs的邻居基因 |
2.5 讨论 |
2.6 本章小结 |
第三章 Acrs的生物信息学分析和预测 |
3.1 引言 |
3.2 材料和方法 |
3.2.1 数据集的构建 |
3.2.2 基因组岛、前噬菌体片段以及两者的生物信息学识别 |
3.2.3 HTH功能域注释 |
3.2.4 决策树和随机森林 |
3.2.5 Acrs特征提取 |
3.2.6 评价指标和评价方法 |
3.2.7 交叉验证过程中样本的划分方式 |
3.3 结果分析 |
3.3.1 Acrs特征 |
3.3.2 最优参数确定和不同随机状态下的交叉验证 |
3.3.3 跨物种交叉验证 |
3.3.4 应用该算法预测新近识别Acrs的物种 |
3.3.5 Acr Detector识别结果的特点 |
3.3.6 基于该算法建立网络服务和本地执行工具 |
3.3.7 Acr Detector的优点和缺点 |
3.4 本章小结 |
第四章 Cas蛋白、cas基因座和类型注释 |
4.1 引言 |
4.2 材料和方法 |
4.2.1 Cas蛋白家族的收集和构建 |
4.2.2 马尔可夫图聚类 |
4.2.3 识别Cas蛋白、cas基因座和基因座类型的基本流程 |
4.2.4 提交基因组序列时的注释 |
4.3 结果与讨论 |
4.3.1 Cas Locus Anno的使用 |
4.3.2 对于Cas Locus Anno的识别速度评价 |
4.3.3 对于Cas Locus Anno的识别准确性进行评价 |
4.4 本章小结 |
第五章 工作总结与展望 |
5.1 本文总结 |
5.2 后续工作展望 |
5.2.1 Anti-CRISPRdb的后续工作 |
5.2.2 Acr Detector的后续工作 |
5.2.3 Cas Locus Anno的后续工作 |
5.2.4 基于Acr Detector和 Cas Locus Anno的后续工作 |
5.2.5 现有工作可扩展的方向 |
致谢 |
参考文献 |
附录 |
攻读博士学位期间取得的成果 |
(5)多波束声呐水体影像在中底层水域目标探测中的应用(论文提纲范文)
摘要 |
Abstract |
变量注释表 |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 论文主要研究内容及组织结构 |
2 多波束水体成像机理 |
2.1 多波束声呐工作原理 |
2.2 多波束声呐成像原理 |
2.3 多波束水体数据可视化 |
2.4 水体成像影响因素 |
2.5 本章小结 |
3 多波束水体二维影像目标检测 |
3.1 水体影像插值方法 |
3.2 水体影像特征分析 |
3.3 基于视图转换的水体影像目标提取 |
3.4 实验与分析 |
3.5 本章小结 |
4 多波束水体影像目标三维重建 |
4.1 水体目标表面点云提取 |
4.2 基于散乱点云的三维建模 |
4.3 基于序列轮廓线的表面重建 |
4.4 实验与分析 |
4.5 本章小结 |
5 多波束测深中海洋内波的影响 |
5.1 海洋内波特征及动力学模型 |
5.2 海洋内波对多波束测深的影响 |
5.3 实验与分析 |
5.4 本章小结 |
6 多波束水体影像内波探测及测深同步改正 |
6.1 海洋内波的探测 |
6.2 内波影响下的海底地形畸变特征 |
6.3 海洋内波参数反演及测深改正 |
6.4 实验与分析 |
6.5 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
(6)基于癌症组学数据网络分析的驱动基因识别算法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 引言 |
1.2 课题研究背景及意义 |
1.3 国内外研究现状 |
1.3.1 基于突变频率的驱动突变/基因识别算法 |
1.3.2 基于功能影响的驱动突变/基因识别算法 |
1.3.3 基于结构基因组的驱动突变/基因识别算法 |
1.3.4 基于通路和网络分析的驱动基因识别算法 |
1.3.5 驱动通路或驱动模块识别算法 |
1.4 本文的研究内容和安排 |
第二章 相关知识概述 |
2.1 引言 |
2.2 驱动基因与乘客基因 |
2.3 TCGA数据库 |
2.4 多组学数据 |
2.4.1 基因组数据 |
2.4.2 转录组数据 |
2.4.3 蛋白质组数据 |
2.5 复杂网络 |
2.5.1 网络的定义 |
2.5.2 网络的表示方法 |
2.5.3 网络的分类 |
2.5.4 网络的一般属性 |
2.5.5 网络的中心性 |
2.6 本章小结 |
第三章 基于二分图的驱动基因识别 |
3.1 引言 |
3.2 Driver Net算法 |
3.3 基于基因长度校正的癌症驱动基因识别算法 |
3.3.1 算法流程 |
3.3.2 实验数据 |
3.3.3 实验结果 |
3.3.4 总结与讨论 |
3.4 基于基因长度校正及共表达网络的驱动基因识别算法 |
3.4.1 算法流程 |
3.4.2 实验数据 |
3.4.3 实验结果 |
3.4.4 总结与讨论 |
3.5 本章小结 |
第四章 基于随机游走算法的驱动基因识别 |
4.1 引言 |
4.2 随机游走算法相关知识简介 |
4.2.1 传统随机游走算法 |
4.2.2 重启动随机游走算法介绍 |
4.3 算法流程 |
4.3.1 癌症相关网络的构建 |
4.3.2 种子基因的选择 |
4.3.3 网络节点中心性计算 |
4.3.4 改进的随机游走算法 |
4.4 实验结果 |
4.4.1 实验数据 |
4.4.2 对已知癌症基因预测性能评估 |
4.4.3 转移矩阵改进分析 |
4.4.4 种子节点选择的分析 |
4.4.5 前10个候选驱动基因分析 |
4.5 本章小结 |
第五章 基于多层网络的驱动基因识别 |
5.1 引言 |
5.2 传统NMF算法简介 |
5.3 算法流程 |
5.3.1 多层网络的构建 |
5.3.2 Driver-MulJNMF算法介绍 |
5.3.3 算法评估 |
5.3.4 参数选择 |
5.4 实验结果 |
5.4.1 实验数据 |
5.4.2 Hallmark富集分析及比较 |
5.4.3 文献检索分析 |
5.4.4 通路和功能富集分析 |
5.4.5 生存分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
攻读博士学位期间取得的研究成果 |
致谢 |
(7)基于无人机影像的林分蓄积量估测研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 无人机发展及应用 |
1.2.2 蓄积量估测研究进展 |
1.3 研究内容 |
1.4 技术路线图 |
1.5 本章小结 |
2 研究区概况及数据来源 |
2.1 研究区概况 |
2.1.1 地理位置 |
2.1.2 自然条件 |
2.1.3 生物资源概况 |
2.2 数据来源 |
2.2.1 无人机影像数据获取 |
2.2.2 地面调查数据获取 |
2.3 本章小结 |
3 树冠信息提取 |
3.1 树冠信息提取方法 |
3.2 数据预处理 |
3.3 树冠提取 |
3.3.1 多尺度分割 |
3.3.2 特征提取 |
3.3.3 面向对象分类 |
3.4 精度评价 |
3.5 本章小结 |
4 林分因子提取 |
4.1 林分平均冠幅提取 |
4.2 林分平均高提取 |
4.3 林分郁闭度提取 |
4.4 株数密度提取 |
4.5 本章小结 |
5 林分蓄积量估测模型构建 |
5.1 估测模型构建 |
5.1.1 多元线性回归模型: |
5.1.2 偏最小二乘回归模型 |
5.1.3 BP神经网络模型 |
5.2 精度检验 |
5.2.1 估测结果对比分析 |
5.2.2 估测模型精度评价 |
5.3 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
附录 攻读学位期间的主要学术成果 |
致谢 |
(8)深部矿产资源地球物理响应与多参数指标体系研究(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 研究动态及发展现状 |
1.2.1 地质成矿模式与地球物理模型 |
1.2.2 矿产资源地球物理勘探概述 |
1.2.3 多参数指标体系评价发展现状 |
1.3 研究内容及创新点 |
1.3.1 论文主要研究内容 |
1.3.2 论文主要创新点 |
第2章 网格剖分建模方法 |
2.1 矩形网格建模 |
2.2 三角网格建模 |
2.2.1 三角剖分 |
2.2.2 三角化 |
2.3 网格前沿法 |
2.4 四叉树法 |
2.5 Delaunay网格 |
2.5.1 Delaunay三角化 |
2.5.2 最小角最大(max-min angel) |
2.6 优化的Delaunay网格 |
2.7 小结 |
第3章 金川Cu-Ni硫化物矿床建模结果与分析 |
3.1 金川矿床区域地质背景 |
3.1.1 大地构造 |
3.1.2 区域地层 |
3.1.3 区域构造 |
3.1.4 区域岩浆活动及变质作用 |
3.1.5 区域矿产条件 |
3.1.6 演化模式 |
3.1.7 矿体地质特征 |
3.2 金川矿床地质模型 |
3.3 金川矿床地球物理模型 |
3.3.1 岩、矿石物性特征 |
3.4 金川矿床正演模拟 |
3.4.1 重磁数值模拟方法 |
3.4.2 大地电磁正演模拟 |
3.4.3 地震正演 |
3.4.4 合成数据试验 |
3.5 金川矿床模拟结果 |
3.6 小结 |
第4章 金川铜镍硫化物矿床物性结构成像 |
4.1 重力异常反演 |
4.2 磁异常反演 |
4.3 卡尼亚视电阻率 |
4.4 金川矿床重力、磁法、CASMT反演与解释 |
4.4.1 502测线反演与物性结构 |
4.4.2 501测线反演与物性结构 |
4.4.3 300测线反演与物性结构 |
4.4.4 308测线反演与物性结构 |
4.4.5 104测线反演与物性结构 |
4.4.6 208与212 测线反演与物性结构 |
4.4.7 214与227 测线反演与物性结构 |
4.4.8 401测线反演与物性结构 |
4.5 小结 |
第5章 深部矿产资源地球物理响应评价指标体系构建 |
5.1 深部矿产资源地球物理响应评价体系的指标选择 |
5.1.1 地球物理模拟参数 |
5.2 岩浆矿床 |
5.2.1 水口山矿床 |
5.3 伟晶岩矿床 |
5.3.1 武夷山矿床 |
5.4 热液矿床 |
5.4.1 个旧矿床 |
5.5 风化矿床 |
5.5.1 凡口矿床 |
5.6 沉积矿床 |
5.6.1 狼山矿床 |
5.7 变质矿床 |
5.7.1 沃溪矿床 |
5.8 评价体系建模 |
5.8.1 建立层次结构模型 |
5.8.2 构造判断矩阵 |
5.8.3 层次单排序 |
5.8.4 一致性检验 |
5.9 深部矿产资源综合评价体系 |
5.10 深部矿产资源综合评价体系应用 |
5.11 小结 |
第6章 基于机器学习方法的地球物理异常指标提取 |
6.1 高斯混合模型 |
6.2 高斯混合模型方法与原理 |
6.3 苏必利尔湖地区地球物理数据场 |
6.4 Youden指数 |
6.5 苏必利尔湖地区GMM模拟 |
6.6 小结 |
第7章 结论与展望 |
7.1 主要认识和结论 |
7.2 问题与展望 |
参考文献 |
附录A:岩浆矿床模拟结果 |
附录B:伟晶岩矿床模拟结果 |
附录C:热液矿床模拟结果 |
附录D:风化矿床模拟结果 |
附录E:沉积矿床模拟结果 |
附录F:变质矿床模拟结果 |
作者简介及科研成果 |
致谢 |
(9)基于机器学习的舰载海洋数据处理系统设计与实现(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 海洋数据采集和处理研究现状 |
1.2.2 海洋跃层研究现状 |
1.2.3 海洋数据系统研究现状 |
1.3 研究内容和组织结构 |
第2章 背景知识与基础理论 |
2.1 海洋数据预处理技术 |
2.1.1 数据降维方法 |
2.1.2 数据插值方法 |
2.2 海洋跃层介绍 |
2.2.1 温跃层分类 |
2.2.2 温跃层分析方法 |
2.3 系统开发框架 |
2.4 本章小结 |
第3章 海洋多源数据预处理算法 |
3.1 海洋数据异常分析 |
3.2 海洋多源数据预处理算法实现 |
3.2.1 数据异常值过滤 |
3.2.2 基于GA-BP神经网络的数据插值 |
3.2.3 数据修正及标准计算 |
3.2.4 标准文件生成 |
3.3 实验仿真结果 |
3.3.1 气象数据实验仿真 |
3.3.2 水文数据实验仿真 |
3.4 本章小结 |
第4章 基于PCA-SVM的海洋温跃层分析方法 |
4.1 数据集选取 |
4.2 基于PCA-SVM的温跃层分析方法设计 |
4.2.1 数据精细化及跃层标记 |
4.2.2 PCA数据降维及特征缩放 |
4.2.3 基于变步长网格搜索的SVM模型建立 |
4.3 实验仿真及对比分析 |
4.4 本章小结 |
第5章 海洋数据处理系统设计与实现 |
5.1 系统模式和架构 |
5.2 系统需求分析和总体设计 |
5.3 数据库设计 |
5.4 数据处理模块 |
5.4.1 算法实现类设计 |
5.4.2 界面设计 |
5.4.3 图形可视化处理 |
5.5 辅助功能模块 |
5.5.1 数据读取模块 |
5.5.2 字典管理模块 |
5.5.3 参数设置模块 |
5.6 本章小结 |
第6章 总结与展望 |
6.1 论文总结 |
6.2 工作展望 |
参考文献 |
关于国际工程师学院人才培养模式情况说明 |
发表论文和参加科研情况说明 |
致谢 |
(10)Chirp浅剖声呐海底声学参数获取技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 海底浅地层剖面探测技术 |
1.2.1 浅剖探测技术的发展与现状 |
1.2.2 沉积层声学特性研究状况 |
1.3 分数阶傅里叶变换技术 |
1.4 遗传算法的发展与应用 |
1.5 主要研究内容及论文结构 |
第2章 高信噪比Chirp浅剖信号处理技术 |
2.1 传统Chirp信号处理算法 |
2.1.1 拷贝相关处理 |
2.1.2 匹配滤波处理 |
2.2 基于FrFT的 Chirp浅剖信号处理 |
2.2.1 分数阶傅里叶变换变换定义 |
2.2.2 分数阶傅里叶变换的性质 |
2.2.3 数值计算方法 |
2.2.4 量纲归一化处理 |
2.3 基于FrFT的冲激响应估计 |
2.4 冲激响应时延估计 |
2.5 基于FrFT的 Chirp浅剖信号处理流程 |
2.6 算法验证与性能分析 |
2.6.1 算法仿真研究 |
2.6.2 实测浅剖数据处理 |
2.7 本章小结 |
第3章 浅地层层间声速及层厚联合估计技术研究 |
3.1 射线声学适用性分析 |
3.2 遗传算法处理流程 |
3.3 基于多波束探测的沉积层层间声速估计 |
3.3.1 问题的提出 |
3.3.2 层间常声速分布模型 |
3.3.3 多角度入射层间声速估计模型 |
3.4 沉积层声速与层厚联合估计 |
3.5 本章小结 |
第4章 声衰减及声阻抗估计 |
4.1 沉积层声衰减估计 |
4.1.1 经验公式估计衰减系数 |
4.1.2 利用品质因子Q估计衰减系数 |
4.1.3 弛豫时间估计衰减系数 |
4.2 衰减系数估计方法验证分析 |
4.2.1 仿真数据分析 |
4.2.2 实测数据声衰减系数估计 |
4.3 沉积层声阻抗估计 |
4.3.1 经验公式法声阻抗估计 |
4.3.2 基于反射系数的声阻抗估计 |
4.4 声阻抗估计验证分析 |
4.4.1 仿真数据分析 |
4.4.2 实测数据声阻抗估计 |
4.5 浅地层声学特性估计总体流程 |
4.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文和取得的科研成果 |
致谢 |
四、对于测线调查样本的生物分布密度推定的几种方法的比较研究(论文参考文献)
- [1]河北省某污灌类场地地球化学特征与评价[D]. 白青清. 河北地质大学, 2021(07)
- [2]砂岩型铀矿空间垂向分带方法与含铀层识别研究 ——以鄂尔多斯盆地北部大营铀矿为例[D]. 谭雨蕾. 吉林大学, 2021
- [3]GWAS、CNV及ROH挖掘宁夏地区荷斯坦奶牛重要性状候选基因的研究[D]. 刘丽元. 宁夏大学, 2021(02)
- [4]抗CRISPR-Cas蛋白的生物信息学分析与识别研究[D]. 董川. 电子科技大学, 2020(03)
- [5]多波束声呐水体影像在中底层水域目标探测中的应用[D]. 刘洪霞. 山东科技大学, 2020(06)
- [6]基于癌症组学数据网络分析的驱动基因识别算法研究[D]. 魏丕静. 安徽大学, 2020(01)
- [7]基于无人机影像的林分蓄积量估测研究[D]. 曾霞辉. 中南林业科技大学, 2020(02)
- [8]深部矿产资源地球物理响应与多参数指标体系研究[D]. 贾卓. 吉林大学, 2020(08)
- [9]基于机器学习的舰载海洋数据处理系统设计与实现[D]. 赵启明. 天津大学, 2020(02)
- [10]Chirp浅剖声呐海底声学参数获取技术研究[D]. 白嵩. 哈尔滨工程大学, 2020(05)