丰年虫粉虾苗幼体饲料对日本对虾溞状幼体的影响

本文就丰年虫粉虾苗幼体饲料(OG)对日本对虾溞状幼体的影响进行试验初步得出，OG饲养效果优于日本车元饲料，从溞状幼体1期至糠虾幼体1期的转化率提高9.2％，且转化时间缩短了0.5d，幼体活力好.文中还就相关的问题进行了讨论.     

罗氏沼虾配合饲料福建省地方标准的拟定思路

本文概述了罗氏沼虾配合饲料福建省地方标准制订的目的和意义，对标准主要指标的拟订依据和思路作了较详细的说明.     

福建渔用饲料业现状与发展趋势

当前福建省渔用饲料工业正处在发展中的稳定调整阶段，饲料生产能力、产品产量和市场需求应将基本保持稳定，安全卫生符合生态要求已成为衡量行业健康发展的重要指标，应成为企业追求发展的方向和政府监管的重点.     

牙鲆饲喂湿颗粒饲料的应用研究

采用0,10% ,20% ,40%和60 %比例的全价粉末饲料与冰鲜杂鱼混合 ,配制成湿颗粒饲料 ,投喂牙鲆(Paralichthysolivaceus,T.&S.) ,进行工厂化养殖试验。结果证明随着添加全价粉末饲料量的增加 ,饲料系数逐渐降低 ,鱼体增重率逐渐增加 ,在鱼体防病、成活率、体色方面 ,投喂添加粉末饲料的湿颗粒饲料都明显优于单一的冰鲜杂鱼 ,其中 ,4号饲料在养殖成本方面 ,每公斤鱼的饲料投入比鲜杂鱼节省1.26元     

有机碘防治对虾疾病的应用研究

本文报道应用有机碘防治养殖对虾疾病的试验。结果表明，１５．０ｍｇ／ｄｍ３浓度的药液消毒可杀死水体中大量细菌，０．３ｍｇ／ｄｍ３浓度的药液对对虾的蜕壳有促进作用，按一定比例加工成配合饵料投喂对虾，在虾病狂发期可延长养殖时间。文章还对有机碘防治对虾疾病的有关机理进行了初步探讨。     

对虾人工配合饵料对比试验

一、材料与方法 (一)饵料配方的来源与饵料加工 这些对比试验配方征集标准为:饵料原料广、成本低、经济效益高、加工工艺简单。喂养过程中不再投喂鲜活饵料。试验共选用七个饵料配方,其中中国科学院海洋研究所一个,青岛海洋大学两个,中国水产科学研究院黄海水产研究所两个,山东省海水养殖研究所两个;另用     

黑鲷的营养需要及配合饲料研究

本文论述了黑鲷饲料中最适蛋白质含量及动，植物蛋白比例的有关研究，黑鲷对于饲料中磷的需要量及钙磷化，黑鲷饲料中必需氨基酸添加的必要性，在此基础上，制成黑鲷配合饲料并与冰冻玉筋鱼进行了比较养殖试验，取得较好的结果。     

复合中草药对凡纳滨对虾生长和消化酶活力的影响

选用豆粕-鱼粉型饲料,分别添加0.0、0.5、1.0、2.0和4.0g·kg-1的复合中草药(CTMs),检测其促生长作用及其对消化酶活性的影响。结果显示,生长第1阶段:2组特殊生长率(SGR)、饲料系数(FCR)和蛋白质效率比(PER)均显著大于对照组(P<0.05),与余下三组差异不显著(P>0.05);2组、3组体长增长率(LGR)与对照组差异显著(P<0.05);2组、3组存活率与5组差异显著(P<0.05)、与对照组差异极显著(P<0.01);各组间相对增重率(RWG)和日生长速度(AGR)差异不显著(P>0.05)。生长第2阶段:2组AGR与对照组差异极显著(P<0.01),与其他三组差异不显著(P>0.05);2组、3组FCR分别与对照组差异显著(P<0.05)和差异极显著(P<0.01);2组、3组PER与对照组差异显著(P<0.05);和对照组相比,4组成活率提高显著(P<0.05),2组和3组提高极显著(P<0.01);RWG和LGR变化规律与第一阶段相似;各组间SGR无显著差异(P>0.05)。CTMs提高消化酶活性,对蛋白酶活性影响明显。     

Rainfall‐runoff modelling using artificial neural networks: comparison of network types

Growing interest in the use of artificial neural networks (ANNs) in rainfall‐runoff modelling has suggested certain issues that are still not addressed properly. One such concern is the use of network type, as theoretical studies on a multi‐layer perceptron (MLP) with a sigmoid transfer function enlightens certain limitations for its use. Alternatively, there is a strong belief in the general ANN user community that a radial basis function (RBF) network performs better than an MLP, as the former bases its nonlinearities on the training data set. This argument is not yet substantiated by applications in hydrology. This paper presents a comprehensive evaluation of the performance of MLP‐ and RBF‐type neural network models developed for rainfall‐runoff modelling of two Indian river basins. The performance of both the MLP and RBF network models were comprehensively evaluated in terms of their generalization properties, predicted hydrograph characteristics, and predictive uncertainty. The results of the study indicate that the choice of the network type certainly has an impact on the model prediction accuracy. The study suggests that both the networks have merits and limitations. For instance, the MLP requires a long trial‐and‐error procedure to fix the optimal number of hidden nodes, whereas for an RBF the structure of the network can be fixed using an appropriate training algorithm. However, a judgment on which is superior is not clearly possible from this study. Copyright © 2004 John Wiley & Sons, Ltd.