BP人工神经网络在家蚕杂交组合预测中的应用初探.pdfVIP

BP 人工神经网络在家蚕杂交组合预测中的应用初探 何克荣 祝新荣 柳新菊 （浙江省农业科学院蚕桑研究所浙江杭州310021） 摘 要 利用前馈神经网络（BPANN）建立了家蚕杂种一代的6 个经济性状的预测模型，通过 验证得出，以双亲成绩作为输入神经元，利用 BPANN 模型预测杂种一代 6 个经济性状的平 均预测误差均在5%左右。表明利用神经网络模型用来预测杂种一代成绩具有研究应用前景。 关键词 家蚕 BP 神经网络 杂交组合 预测 Preliminary Research on the Prediction for Hybrid Combination Performance Based on BP Artificial Neural Network HE Ke-Rong Zhu Xin-Rong Liu Xinju (Institute of Sericulture, Zhejiang Academy of Agricultural Sciences, Zhejiang Hangzhou 310021) Abstract The prediction models of the six economic traits on silkworm hybrid were established using BP artificial neural network (BPANN).It is found by test that use parents as an input neurons the average prediction error of the six economic traits of the hybrid is about 5%. There is prospect of research and application in the silkworm hybrid combination performance. Key words Bombyx mori , BP neural network, hybrid combination , prediction 杂种优势是近一百多年来在遗传育种学上应用最广泛也是最奇妙的现象之一，但对其形 成的机理还不完全[1]。家蚕是最早利用杂种优势的生物之一，在生产上全部采用一代杂交种。 但是如何正硧地选配杂交组合，仍是育种者最感困惑的难题之一。半个多世纪以来，人们对 利用亲本成绩来预测杂种一代，进行过许多研究。早在上世纪60 年代初，日本学者原田提出 了利用双亲的平均成绩估算家蚕杂种一代成绩的一元线性回归方法[2]；上世纪80 年代孟智启 等提出了利用双亲中亲值与数量性状的遗传距离，构建了二元线性回归方程来估算杂种一代 成绩的方法[2]。但在实际上，杂种一代与亲本之间并非存在严格的线性关系，人们常常会发现 有些不是很优秀的亲本之间杂交，而有可能产生优秀的杂种一代，因而用线性模型来预测杂 种一代往往带来较大的误差。另外统计上的线性模型也没有很好的容错性及非精确性。 在对人脑神经的基本认识的基础上，以数学和物理的方法，以及信息处理的角度对人 脑神经网络进行抽象，并建立某种简单化模型，就称为人工神经网络（Artifical Neurl Network,ANN）[3]。ANN 模型具有良好的学习和联想记忆能力，高度的非线性映射功能，以及 良好的容错性和计算的非精确性，从理论上讲，只要因变量和自变量之间存在一定的映射关 系，ANN 就能建立起比较理想的预测模型。因而被广泛地应用于信号处理，模式识别、仿真、 预测分析等方面，并已取得了很好的应用。BP （Back propagation）神经网络是在1986 年由 Rumelbart. DE 和Mcclelland. JL 提出的一种多层前馈型网络，它利用一种叫做误差反向结 构的自动学习过程，成功地解决了神经网络的学习问题，是目前应用最广泛且使用最成熟的 [4] 神经网络模型之一 。 本文利用BP 神经网络对利用双亲信息预测杂种一代的预测模型作了初步偿试了模型预测 47 准确性验证，得到了较为满意的结果，现将方法和结论报告如下，望能起到一个抛砖引玉的 作用。 1 材料和方法 1.1 BP 人工神经网络模型的构建 1.1.1