导读:本文包含了生长曲线模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:生长,曲线,模型,性状,加利福尼亚,美姑,新西兰。
生长曲线模型论文文献综述
冯依桐[1]（2019）在《一汽大众乘用车生命周期曲线及营销策略研究——基于多项式生长曲线模型分析》一文中研究指出近年来,中国汽车产业发展迅猛,带动经济发展提升人民生活水平,改变居民消费观念。然而数据显示2018年至今,我国车市低迷,下行压力下车企亟待转型,汽车营销和前景分析也应运而生。本文通过使用多项式生长曲线模型拟合一汽大众汽车产品生命周期后,做出销量预测并提出合理营销策略建议。(本文来源于《企业改革与管理》期刊2019年18期）
陈涛,王珍[2]（2019）在《基于龚帕斯生长曲线模型的高填方地基沉降预测》一文中研究指出在高填方地基的沉降中,填筑体的沉降要占较大比例。对于填筑体的自身压缩变形计算,目前还没有通行的方法。以康定机场某段高填方填筑体为例,对土面区进行了施工监测,采用龚帕斯生长曲线模型对高填方地基沉降进行了预测,并与对数模型、双曲线模型进行了对比,发现用龚帕斯生长曲线模型预测效果较好。(本文来源于《黄河科技学院学报》期刊2019年05期）
杨鹏[3]（2019）在《黄麻羽肉鸡生长曲线模型的建立及各性状指标的相关分析》一文中研究指出目的:本研究以黄麻羽肉鸡为试验对象,通过对其生长发育规律的研究,旨在建立黄麻羽肉鸡的生长发育模型。分析探索黄麻羽肉鸡生长发育规律与其屠宰性状的相关性,可在一定程度上为黄麻羽肉鸡的选种选育提供更科学的理论依据。同时对黄麻羽肉鸡的体尺性状与其肌肉品质进行拟合研究,从而为养殖单位提供更加科学的养殖理论基础,以期达到提高养殖效益的目的。方法:(1)对石河子北泉镇昆蓬肉鸡养殖合作社采用全进全出制饲养的黄麻羽肉鸡,随机选择81只健康雏鸡分3组,每组27只(佩戴脚号),每组3个重复,每个重复9只,进行跟踪观测其周增重、周采食量等情况。对黄麻羽肉鸡生长发育数据的统计与分析,通过对比Gompertz、Bertalanffy、Logistic模型,得出适合黄麻羽肉鸡生长发育的曲线。(2)为探究黄麻羽肉鸡体尺与屠宰性状的相关性,对30只63日龄的黄麻羽肉鸡进行了体尺(胫长、体斜长等)及屠宰性能(活重、屠体重等)的测定,并对所有测定性状间的相关性进行了分析。(3)本研究还继续探索了黄麻羽肉鸡体重体尺与肌肉品质间的相关性。选择81只健康雏鸡分成3组,每组3个重复,同时对黄麻羽肉鸡的体斜长、龙骨长、胫长等指标进行测定,以及其肌肉的pH、失水率和胸,腿肌纤维面积的检测。并分析其相关性。结果:(1)通过叁种对黄麻羽肉鸡生长曲线的分析,都可以很好的描述其生长发育规律。拟合程度都大于0.99,其中Gompertz和Bertalanffy的拟合程度优于Logistic。前两个模型拟合的体重增长结果与实际观测值更加贴切。得出结论:Gompertz曲线可以更好地拟合出黄麻羽肉鸡的动态生长过程。(2)试验显示黄麻羽肉鸡体重与屠宰性状之间存在极大的正相关,胫长与屠宰重、半净膛重、全净膛重、胸肌重之间存在也显着正相关。结果表明平均活重、屠体重、半净膛重、全净膛重、胸肌重、腹脂重分别为2450g、2260g、2147g、1690g、241g、101.5g;体尺指标(体斜长、颈长、胫围、胸围、颈围、背宽、胸宽、胫长、胸骨长、及胸深)间的相关系数为0.347~0.959。屠宰性状(屠体重、半净膛重、全净膛重、胸肌重、腹脂重)的各项指标间的相关系数为0.727~0.998。(3)试验结果显示体重与胸肌、腿肌肌纤维面积存在着极显着的相关性(P<0.01),而与pH、肉色、失水率相关程度不高;体斜长、龙骨长、胫围与胸肌、腿肌肌纤维面积存在显着的相关性(P<0.05);体斜长、龙骨长与失水率存在显着的正相关性(P<0.05)。结论:(1)关于黄麻羽肉鸡的动态生长过程可以运用Gompertz曲线进行预测。(2)试验2采用简单相关分析和回归分析结合,来减少早期选育的盲目。为黄麻羽肉鸡活体表型性状预测屠宰性能提供理论依据。(3)黄麻羽肉鸡的生长发育规律与其肌肉品质存在着密切的联系和极大的相关性,在肉鸡的实际生产过程中,我们可以通过体重等生长发育状况来判断肉鸡的肌肉品质的好坏而选择是否淘汰,从而建立一套比较完善的肉鸡养殖体系,既能提高养殖户的生产效益,又能满足消费者对鸡肉品质的追求。(本文来源于《石河子大学》期刊2019-06-01）
胡颖萍,何利军[4]（2019）在《生长曲线模型的改进及其应用》一文中研究指出为解决桩基承载力无拐点曲线的预测模型构建问题,对生长曲线模型进行了研究。目前常用的4种生长曲线模型不经过坐标原点,这与荷载趋近于0沉降趋近于0的客观规律不相符。为此,基于坐标平移对模型进行了适当改进,让曲线经过坐标原点,并通过对不同单桩的试桩资料进行数据拟合。研究结果表明:改进后模型的拟合精度普遍提高,其中改进后的Weibull模型相关系数的平均值高达0.999 8,并且其对应的折减系数比较符合实际情况;因此,推荐用该曲线模型预测单桩极限承载力。(本文来源于《南昌航空大学学报(自然科学版)》期刊2019年01期）
李岩,詹凯,马瑞钰,李俊营,刘伟[5]（2018）在《四层层迭本交笼种鸡生长曲线拟合模型研究》一文中研究指出为筛选四层层迭本交笼种鸡最佳生长曲线模型,运用Logistic模型、Gompertz模型和Von Bertalanffy模型分别对海兰褐父母代种鸡育雏育成期(1～12周龄)和产蛋期(18～57周龄)体重进行曲线拟合和分析。结果显示:1～12周龄雏鸡(公雏和母雏)的体重均呈逐渐上升趋势,并且公雏的体重生长速度快于母鸡。产蛋期母鸡体重总体呈上升趋势,但51周龄后出现波动。Logistic模型是最适合于拟合公雏体重的模型,Gompertz模型是最适合于拟合母雏体重的模型,而叁种模型均可用于产蛋期母鸡体重的拟合。产蛋期母鸡的实际观测值以及拟合值均高于该时期母鸡标准体重上限,建议应在满足母鸡营养需要的前提下适当减料。(本文来源于《中国家禽》期刊2018年23期）
陈杰,陈辉,陈斌[6]（2018）在《Logistic和Gompertz模型拟合湘村黑猪体重生长曲线研究》一文中研究指出为找出更接近实际情况的生长曲线模型,在测定湘村黑猪公、母猪1 d、21 d、28 d、60 d、90 d、120 d、150 d、180 d的体重之后,分别用Logistic和Gompertz模型拟合湘村黑猪体重生长曲线。结果显示:Logistic模型对湘村黑猪公、母猪的拟合度(R~2)分别为0.998 7,0.997 3;生长拐点分别为(32.00 d,48.68 kg)、(32.88 d,47.46 kg);Gompertz模型对湘村黑猪公、母猪的拟合度分别为0.998 6,0.996 8;生长拐点分别为(97.76 d,44.37 kg)、(99.33 d,44.00 kg)。说明Gompertz模型对湘村黑猪公猪体重生长曲线有更好的拟合效果。(本文来源于《猪业科学》期刊2018年10期）
杨世忠,陈星月,周潇,陈益,王林杰[7]（2018）在《美姑山羊体尺体重相关分析及生长曲线模型拟合》一文中研究指出根据四川省凉山彝族自治州美姑县叁岗种羊场的382只美姑山羊出生后各月龄的体重及体尺记载资料,采用SPSS19.0对公、母羊主要生长性状进行了显着性比较和相关性分析,对Gompertz、Bertalanffy和Logistic 3种生长拟合模型的体重增长曲线拟合度进行了比较分析,对美姑山羊生长曲线选择了较为适宜的拟合方程,旨在为合理利用美姑山羊种质资源和选种繁育提供依据。结果表明:(1)美姑山羊公羊3月龄体重、6月龄体重、8月龄体重、周岁体重都极显着高于母羊同时期体重;性别对山羊体重的影响很大。(2)相关性分析结果表明,在控制变量体高和体长,体重与胸围具有显着性差异;而控制体高和胸围或控制体长和胸围后,体重与体长或体高差异均不显着。R2为0.977,所以体重可以用胸围通过方程表示,回归方程:Y=1.114x-48.174,其中Y为体重(kg);x代表胸围(cm)。真实值与预测值差异在3.564 kg之内。(3)选用Gompertz、Bertalanffy和Logistic等3种非线性生长模型分别对美姑山羊公羊母羊生长进行拟合,公羊生长曲线最佳模型选择Logistic:W=53.94×(1+2.74e-0.106t)-1;母羊生长曲线最佳模型选择Gompertz:W=50.15×e~(-1.44exp(-0.023t))。(本文来源于《西昌学院学报(自然科学版)》期刊2018年03期）
丁鹏,贾先波,陈仕毅,谷仕坤,胡深强[8]（2018）在《加利福尼亚兔×新西兰大白兔(F_1),F_1自交群体(F_2)生长曲线模型拟合比较与分析》一文中研究指出本试验采用Logistic、Gompertz和Von Bertallanffy 3种非线性动物生长曲线模型拟合加利福尼亚兔×新西兰大白兔(F_1),F_1自交群体(F_2)35～84日龄的体重,旨在为研究兔的生长发育规律及制定合理的生产方案提高科学依据,可以提高实际生产效益。试验选取健康的新西兰公兔34只与142只加利福尼亚母兔作为祖代(Fo),选留584只健康仔兔作为父母代(F_1),选留1055只健康仔兔作为商品代(F_2)进行生产性能测定,5日龄断奶后开始每周记录个体重。采用Logistic、Gompertz和Von Bertallanffy 3种非线性动物生长曲线模型拟合实验兔35～84日龄体重。叁种曲线模型中的参数A为极限生长量,k为瞬时相对生长率,B为常数尺度。生长曲线模型采用SPSS20.0进行拟合,建立日龄与体重的非线性回归方程,用拟合度(R~2)大小作为衡量拟合优劣的指标。结果表明:F_1和F_2群体各阶段平均体重随着日龄的增长而增加,其中35日龄断奶时F_1群体平均体重低于F_2代群体,差异没达到显着性(P>0.05),从42日龄开始F_1群体平均体重均大于F_2群体,其中42日龄体重差异达到显着性(P<0.05),49日龄体重、56日龄体重、63日龄体重84日龄体重差异均达到极显着性(P<0.01),而70日龄体重差异不显着(P>0.05)。F_1群体在0～84日龄的平均日增重为25.67g/d,在42～49日龄阶段达到生长高峰后缓慢下降。F_2群体在0～84日龄的平均日增重为24.66g/d,在63～70日龄阶段达到生长高峰后缓慢下降。F_1群体35-49日龄和70-84日龄生长速度快于F2群体,其中35～42日龄差异未达到显着水平(P>0.05),而42～49日龄和70～84日龄均差异极显着(P<0.01)。综上所述F_1群体体重和生长速度两项生长性能均优于F_2群体。由结果可知,在F_1群体中,叁种生长曲线模型都能很好的拟合其生长曲线,拟合度R~2均在0.993以上,选择Logistic生长曲线模型为F_1群体最佳生长曲线模型;Logistic模型拟合方程式为y=2300.92/(1+20.16*e(-0.068*t)),该方程拟合的极限体重为2300.92g,拐点日龄为44.17 d,拐点体重为1150.46 g。在F_2群体中,选择Logistic生长曲线模型为F_2群体最佳生长曲线模型,Logistic模型拟合方程式为y=2307.92/(1+16.16*e(-4.061*t)),该方程拟合的极限体重为2307.92g,拐点日龄为45.92 d,拐点体重为1153.96g。结论:Logistic、Gompertz和Von Bertallanffy 3种非线性动物生长曲线模型都能很好的拟合加利福尼亚兔×新西兰大白兔(F_1),F_1自交群体(F_2)35～84日龄的生长曲线,其中Logistic模型的拟合效果最佳。(本文来源于《中国畜牧兽医学会养兔学分会第二届学术交流大会论文集》期刊2018-08-10）
赵盛男[9]（2018）在《生长曲线模型的Bayes线性无偏估计的性质》一文中研究指出生长曲线模型是一类非常有用的工具,在建筑、机械、医药、生产、交通、心理、经济等领域有广泛的应用,得到了越来越多统计学家的重视,因此人们对生长曲线模型的研究也日益深入。本文主要研究生长曲线模型的参数估计问题,许多学者对生长曲线模型参数的估计问题做出了大量的研究,如最小二乘估计,Bayes线性无偏估计,广义Liu估计,几乎无偏广义岭估计,组合有偏估计等诸多估计形式。在处理参数的估计问题时,应用最广泛也是最为基础的是最小二乘估计,但是由于生长曲线是多元线性模型,数据中含有大量的回归自变量很容易存在线性相关关系,当对应的设计阵呈现复共线性时,得到的参数估计的精度将出现较大偏差无法保障。因此,人们进而将目光对准了生长曲线模型的有偏估计、几乎无偏估计等。本文将给出当生长曲线模型存在复共线性时的几乎无偏Liu估计、几乎无偏岭估计和Bayes线性无偏估计的估计形式,并在均方误差下对他们估计的优良性进行比较。具体安排如下:第一章介绍生长曲线模型的国内外研究现状及应用;第二章基础知识介绍;第叁章介绍生长曲线模型下Bayes线性无偏估计的性质。(本文来源于《吉林大学》期刊2018-05-01）
张莉莉,赵喜梅[10]（2018）在《基于非线性SUR模型的猕猴桃生长曲线研究》一文中研究指出本文从建模的角度分析"碧玉"猕猴桃果实纵横径的生长数据,给出适合该数据的一种非线性SUR模型。将纵径和横径的生长看成一个整体,利用非线性SUR模型模拟其生长过程,通过R语言编写程序,求出模型中参数的极大似然估计及模型的拟合优度。得到猕猴桃果实纵径和横径的生长曲线,说明本文非线性SUR模型的有效性。(本文来源于《农业与技术》期刊2018年06期）
生长曲线模型论文开题报告
（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：
在高填方地基的沉降中,填筑体的沉降要占较大比例。对于填筑体的自身压缩变形计算,目前还没有通行的方法。以康定机场某段高填方填筑体为例,对土面区进行了施工监测,采用龚帕斯生长曲线模型对高填方地基沉降进行了预测,并与对数模型、双曲线模型进行了对比,发现用龚帕斯生长曲线模型预测效果较好。
（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。
生长曲线模型论文参考文献
[1].冯依桐.一汽大众乘用车生命周期曲线及营销策略研究——基于多项式生长曲线模型分析[J].企业改革与管理.2019
[2].陈涛,王珍.基于龚帕斯生长曲线模型的高填方地基沉降预测[J].黄河科技学院学报.2019
[3].杨鹏.黄麻羽肉鸡生长曲线模型的建立及各性状指标的相关分析[D].石河子大学.2019
[4].胡颖萍,何利军.生长曲线模型的改进及其应用[J].南昌航空大学学报(自然科学版).2019
[5].李岩,詹凯,马瑞钰,李俊营,刘伟.四层层迭本交笼种鸡生长曲线拟合模型研究[J].中国家禽.2018
[6].陈杰,陈辉,陈斌.Logistic和Gompertz模型拟合湘村黑猪体重生长曲线研究[J].猪业科学.2018
[7].杨世忠,陈星月,周潇,陈益,王林杰.美姑山羊体尺体重相关分析及生长曲线模型拟合[J].西昌学院学报(自然科学版).2018
[8].丁鹏,贾先波,陈仕毅,谷仕坤,胡深强.加利福尼亚兔×新西兰大白兔(F_1),F_1自交群体(F_2)生长曲线模型拟合比较与分析[C].中国畜牧兽医学会养兔学分会第二届学术交流大会论文集.2018
[9].赵盛男.生长曲线模型的Bayes线性无偏估计的性质[D].吉林大学.2018
[10].张莉莉,赵喜梅.基于非线性SUR模型的猕猴桃生长曲线研究[J].农业与技术.2018
论文知识图
