鱼类饥饿处理量化及处理因子贡献率的神经网络随机化测试

设一直投喂(sr00)、周期性饥饿2d再投喂2d(sr22)、饥饿7d再投喂2d(sr72)和饥饿7d再投喂7d(sr77)4种投喂方式，将投喂方式量化为饥饿压力(ss)和循环率(cf)因子，并结合8周实验的干物质摄食量(fi)、鱼体重(bw)、温度(te)、盐度(sa)、ph(ph)和生长时间(gt)因子，分别对花鲈增重(wg)、特定生长率(sgr)和干物质饲料转换率(fcr)构建神经网络并对其进行预测.结果表明，不同处理对wg、sgr和fcr的影响均存在显著差异(p<0.05).饥饿处理组的wg和sgr均不能达到一直投喂组水平，除sr72处理组fcr显著高于对照处理外(p<0.05)，sr22和sr77组与sr00组均无显著差异(p>0.05).人工神经网络对sgr和wg具有极佳的预测效果，但对fcr无效.8个分析因子中，fi、ss、cf和gt对wg、sgr有显著贡献，且wg的大小主要取决于fi，而sgr主要取决于ss.随机化测试显示，实验处理因子(包括相关的fi因子)对wg和sgr的贡献率分别为64.9%和79.7%.