为了改善决定地震破坏力强弱的地震震级关键参数的准确性，本文尝试使用了多种方法来预测地震自动速报震级与人工正式速报震级的误差值。样本数据选取2013-2019年国家地震局自动速报AU系统与人工正式速报所发布的地震参数，震级下限为M_(S)3.0级，研究区域为国界线以内，将AU速报的震级M结果和人工正式速报结果进行对比分析，利用不同方法总结了两种结果的Akt activation震级差异分布，首先利用直线拟合以及曲线拟合的方式来研究二者的关系，再利用误差逆向传播神经网络以及基于遗传优化的误差逆向传播神经网络对其进行参数误差学习预测。本文结果显示自动速报震级与人工正式结果的差异性跟震中经纬度有关，具有区域性的特点。神经网络的方法可以改善自动速报与人工正式速报的震级差异，为自动速报的参数准确性提出了新AP24534 molecular weight的参考思路。
旨在评估显性效应对估计苏淮猪肉色性状遗传参数和基因组估计育种值(genomic estimated breeding value, GEBV)准确性的影响,为苏淮猪肉质性状育种提供理论依据。基于基因组最佳线性无偏预测(genomic best linear unbiased prediction,Selleckchem MS-275 GBLUP)方法,提出2种模型 含加性效应的模型GBLUP-A和包含加性效应和显性效应的模型GBLUP-AD;试验测定487头苏淮猪屠宰后45 min和24 h的肉色性状(亮度L*,红度a*和黄度b*),利用一般线性模型(general linear model, GLM)评定每个肉色性状的影响因素,通过DMU软件在2种GBLUP模型下估计苏淮猪肉色性状的遗传方差,并且比较其GEBV预测的准确性。