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

1、隨著核心種質研究工作的開展、新理論的不斷完善和大量種質數(shù)據(jù)的挖掘，使用什么樣的取樣策略，確定核心種質的數(shù)量規(guī)模，仍然是作物核心種質研究中遇到的最大難題。核心種質的遺傳多樣性及有效性檢驗等問題日益影響種質工作的進一步開展。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的發(fā)展具有深遠的意義。同時可以加速目前核心種質主要由人工進行的研究過程。主要研究內容和結果如下：本研究利用國家種質資源數(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數(shù)據(jù)庫數(shù)據(jù)處理方法，提出了基于原生的ADO技術的異構數(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)了異構數(shù)據(jù)庫導出導入以及對多種數(shù)據(jù)庫的訪問。 構建了種質數(shù)據(jù)知識庫、種質字段規(guī)范知識庫、核心種質分組知識庫、取樣策

3、略知識庫、核心種質應用和推廣知識庫等知識庫，用產生式知識表示法和腳本表示法來表示知識內容。 核心種質的取樣策略，應用多種分組方法、多種核心種質取樣算法和常用的幾種組內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的遺傳距離計算和聚類過程，可以有效利用和處理種質數(shù)據(jù)中的質量性狀、數(shù)量性狀和有序性狀，提高了構建核心種質的效率。利用這種算法對中國稻種資源初級核心種質的36

4、36份鑒定評價數(shù)據(jù)，按照10％的比例構建了一個水稻的核心種質，通過對核心種質庫和原始群體的數(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，證明用這種方法構建的核心種質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的取樣算法——-SOFM神經網絡算法。