水稻遺傳資源核心種質(zhì)智能管理系統(tǒng)的研究與實現(xiàn).pdf

1、隨著核心種質(zhì)研究工作的開展、新理論的不斷完善和大量種質(zhì)數(shù)據(jù)的挖掘，使用什么樣的取樣策略，確定核心種質(zhì)的數(shù)量規(guī)模，仍然是作物核心種質(zhì)研究中遇到的最大難題。核心種質(zhì)的遺傳多樣性及有效性檢驗等問題日益影響種質(zhì)工作的進一步開展。本研究引入人工智能的方法來解決目前面臨的這些難題，這對植物遺傳資源核心種質(zhì)的發(fā)展具有深遠(yuǎn)的意義。同時可以加速目前核心種質(zhì)主要由人工進行的研究過程。主要研究內(nèi)容和結(jié)果如下：本研究利用國家種質(zhì)資源數(shù)據(jù)庫、中國稻種資源數(shù)據(jù)和中

2、國稻種資源初級核心種質(zhì)的評價鑒定數(shù)據(jù)等材料作為研究對象。首先研究分析Excel、FoxPro、access和文本數(shù)據(jù)等多變、不統(tǒng)一的數(shù)據(jù)來源，比較了常用的幾種異構(gòu)數(shù)據(jù)庫數(shù)據(jù)處理方法，提出了基于原生的ADO技術(shù)的異構(gòu)數(shù)據(jù)庫的統(tǒng)一訪問和數(shù)據(jù)處理方法，此方法相比較具有高效、靈活的特點。用Delphi7和ADO2.0編程實現(xiàn)了異構(gòu)數(shù)據(jù)庫導(dǎo)出導(dǎo)入以及對多種數(shù)據(jù)庫的訪問。 構(gòu)建了種質(zhì)數(shù)據(jù)知識庫、種質(zhì)字段規(guī)范知識庫、核心種質(zhì)分組知識庫、取樣策

3、略知識庫、核心種質(zhì)應(yīng)用和推廣知識庫等知識庫，用產(chǎn)生式知識表示法和腳本表示法來表示知識內(nèi)容。 核心種質(zhì)的取樣策略，應(yīng)用多種分組方法、多種核心種質(zhì)取樣算法和常用的幾種組內(nèi)取樣比例的組合實現(xiàn)系統(tǒng)取樣。 提出了混合性狀的k-均值聚類算法，此算法可以針對不同屬性性狀分別進行相應(yīng)的遺傳距離計算和聚類過程，可以有效利用和處理種質(zhì)數(shù)據(jù)中的質(zhì)量性狀、數(shù)量性狀和有序性狀，提高了構(gòu)建核心種質(zhì)的效率。利用這種算法對中國稻種資源初級核心種質(zhì)的36

4、36份鑒定評價數(shù)據(jù)，按照10％的比例構(gòu)建了一個水稻的核心種質(zhì)，通過對核心種質(zhì)庫和原始群體的數(shù)量性狀的方差、均值進行F檢驗和T檢驗、對極差和變異系數(shù)的比較，證明用這種方法構(gòu)建的核心種質(zhì)庫可以代表原是群體的遺傳多樣性。 利用不同取樣方法從2941份稻種資源材料組成的一個群體中按照5％的取樣規(guī)模篩選核心庫，通過比較其多樣性指數(shù)、極差、平均數(shù)、變異系數(shù)和方差，引入了人工智能方法中的一種快速無人工干預(yù)的取樣算法——-SOFM神經(jīng)網(wǎng)絡(luò)算法。