简介：单细胞淡水绿藻-雨生红球藻能够在一定条件积累一种次生类胡萝卜素-虾青素，因而在生长后期藻体变为深红色。其中，IPP异构酶在雨生红球藻中的虾青素合成过程中发挥了重要作用。在本研究中，我们首次通过基因组上游步移克隆到了雨生红球藻中IPP异构酶基因的两个不同5’上游侧翼序列，大小分别是1．8kb和2．5kb。利用生物信息学方法分别对这两个不同5’上游侧翼序列进行了序列分析，结果发现，二者具有某些相同的顺式作用元件，如可能的脱落酸反应元件（ABRE）、干燥或低温反应元件（DRE／C-repeat）、几种光反应元件（G-box，GAG-motif，I-boxandATC-motif）、热激反应元件（HSE）、机械伤害反应元件（WUN-motif）、水杨酸反应元件（TCA-element）、生长素反应元件（TGA-element）、茉莉酸甲酯反应元件（TGACG-element）、缺氧特异反应中的增强子类似元件（GC-motif）和反式作用因子MYB蛋白的结合位点（MBSandMRE），但是二者并不具有典型的TATA框和CCAAT框。上述研究预示了雨生红球藻虾青素合成中IPP异构酶基因转录调控方式的多样化。

简介：单细胞淡水绿藻—雨生红球藻能够在一定条件积累一种次生类胡萝卜素—虾青素,因而在生长后期藻体变为深红色。其中,IPP异构酶在雨生红球藻中的虾青素合成过程中发挥了重要作用。在本研究中,我们首次通过基因组上游步移克隆到了雨生红球藻中IPP异构酶基因的两个不同5’上游侧翼序列,大小分别是1.8kb和2.5kb。利用生物信息学方法分别对这两个不同5′上游侧翼序列进行了序列分析,结果发现,二者具有某些相同的顺式作用元件,如可能的脱落酸反应元件(ABRE)、干燥或低温反应元件(DRE/C-repeat)、几种光反应元件(G-box,GAG-motif,I-boxandATC-motif)、热激反应元件(HSE)、机械伤害反应元件(WUN-motif)、水杨酸反应元件(TCA-element)、生长素反应元件(TGA-element)、茉莉酸甲酯反应元件(TGACG-element)、缺氧特异反应中的增强子类似元件(GC-motif)和反式作用因子MYB蛋白的结合位点(MBSandMRE),但是二者并不具有典型的TATA框和CCAAT框。上述研究预示了雨生红球藻虾青素合成中IPP异构酶基因转录调控方式的多样化。更多还原

简介：通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。

简介：为研究各种理化因子与赤潮藻类浓度间的非线性对应规律和有效预测赤潮藻类浓度,构建了基于BP算法的一个四层模糊神经网络模型.将模糊神经网络（FNN）技术引入赤潮预测研究,并与普通BP网络、RBF网络的结果作比较,结果表明,该模型能够较好地反演出各种理化因子与夜光藻密度的非线性对应变化规律,有更好的预测功能.

简介：为了能够客观地对海水水质进行综合评价，在分析人工神经网络概念和原理的基础上，从阈值角度出发，通过对各类海水水质污染指标浓度生成样本的方法，生成了适用于BP人工神经网络模型训练的样本，并应用基于误差反向传播原理的前向多层神经网络，建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价，通过模型的计算，得到该海域的水质类别。结果表明，2004-2007年，渤海湾近岸海域污染指标总体上在河流丰水期时比枯水期时高，2005年和2006年污染较为严重，2007年有所好转。经训练的评价模型应用于实例的评价结果表明，该模型设计合理、泛化能力强，对海水水质评价具有较好的客观性、通用性和实用性。

简介：利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性，建立了动量BP人工神经网络水深反演模型，并对长江口南港河段水深进行了反演。结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况：由于受长江口水体高含沙量的影响，模型对小于5m的水深值反演精度较高，而对大于10m的水深值反演精度较低。

简介：利用Landsat7ETM+遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演。结果表明:具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5m的水深值反演精度较高,而对大于10m的水深值反演精度较低。更多还原

简介：主成分分析可以提取形变主要信息，BP神经网络具有很强的预测功能，提出将两者相结合用于形变监测数据处理。通过MATLAB编程实现了该算法，并用实测数据进行验证，证明此方法能够提高预测数据的精度和可靠性。结果表明：与其他方法相比，基于主成分分析的改进BP神经网络能取得更好的预测效果。

简介：海底沉积物中稀土元素的分布特征受很多影响因子的影响,很难定量分析.北部湾沉积物稀土元素（ΣREE）与物源、水动力、沉积物粒度和粘土矿物百分比等关系定性分析显示,本区的ΣREE的物源主要由陆源岩石控制,弱水动力和细粒度都对应较高含量的ΣREE.结合北部湾海底沉积物的位置、砾石含量、砂含量、粉砂含量、粘土含量和粘土矿物含量训练出来的BP神经在控制变量的情况下定量分析它们与ΣREE的关系,获得单个影响因子与ΣREE的关系曲线.这些关系曲线揭示了北部湾沉积物中稀土元素与各影响因子的联系,所获得的结果与定性分析的结果基本一致,该方法能够通过自主学习,自动判断并定量计算,有助于识别每一个因子对稀土元素含量影响的大小,是如何控制ΣREE的分布,从而根据曲线的变化规律结合实际情况去推断区域的环境变化及地质演变,对稀土元素的富集和分散提供有益的理论指导.