淡水白鲳饲料添加剂养殖效果评价     

龙藏瑞  王国强 《河南水产》1997,(2):27-28

根据淡水白鲳的营养需求，提出维生素预混料配方（维生素添加剂）和微量元素预混料配方（矿物质添加剂），与淡水白鲳基础日料配方，构成一套全价性的淡水白鲳用高效饲料配方，研制的饲料在工厂化封闭式内循环水体中单养条件下养殖淡水白鲳成鱼，经过170天的精心饲养管理，饲料系数平均为 1.89，其中：102#添加剂投喂的饲料系数平均为1.70。淡水白鲳平均规格达到873克，平均净产15.8kg/米^2。  相似文献   

山野菜生产过程中的卫生管理     

张学义  吴宪瑞 《中国林副特产》1997,(2):29-30

  相似文献   

我国进出境动物检疫简史     

李通瑞 《中国兽医杂志》1997,(6)

我国进出境动物检疫简史李通瑞（国家动植物检疫局，北京１０００２６）国际上动物检疫始于意大利。１８７９年，欧洲一些国家发现由美国进口的肉类中有旋毛虫，为此意大利政府首先下令禁止进口美国肉类，至１８８１年，奥地利、德国、法国也相继宣布不准美国肉类进口，这...  相似文献   

杀菌剂防治玉米大斑病试验简报   总被引：3，自引：0，他引：3  

臧少先  苑凤瑞 《河北农业大学学报》1998,21(1):96-96

  相似文献   

日光温室葡萄管理工作历   总被引：1，自引：0，他引：1  

肖平  唐小宁  韩家瑞  巢桂枝 《河北果树》1998,(3)

日光温室葡萄管理工作历肖平唐小宁韩家瑞巢桂枝（河北省滦县林业局０６３７００）时间及物候期温度（℃）湿度（％）温室管理（光、温、湿、气调控）树上管理土肥水管理病虫害防治备注１１月～１月中旬休眠期昼１５～２０夜５～１０８０立冬扣棚膜，以１２月底扣膜为好。...  相似文献   

网箱规格与经济效益关系的探索     

沈德宗  周锡瑞 《海洋水产科技》1997,(2):12-14

通过加大网箱的长，宽，深度，由３×３×３（米）正方形小网箱改为６×６×４（米）相对较大规格的网箱，以扩大网箱内容水体，在同一海区同等管理条件下，进行网箱养鱼对比试验，结果后者明显比前者扩大了养殖鱼的活动范围，提高了成活率，起到了预防鱼病作用，降低了养殖成本，增加产量，增加收益，提高了经济效益，尤其是具有资金实力下采用后者的钢管架网箱养殖，或设置其在网箱养殖区域四周，具有加固，增强抗击风浪能力，是现  相似文献   

关于农业行政处罚管辖权归属问题的思考     

忽瑞  张田 《种子科技》2009,27(8)

在种子行政执法工作中遇到这样一个案例:甲市乙县几个农民到邻省丙市××种苗公司购买西瓜种子79桶,育苗后将西瓜种苗分给13户农民种植.共种植西瓜88棚133.3亩.西瓜结果后,因为果实杂色相当严重,种植户怀疑西瓜种子有质量问题.多次通过电话向××公司反映,但××公司不予理睬.农民投诉到乙县农业局,县农业局认为案情重大,建议农民向甲市农业局投诉,后来甲市农业局受理投诉,立案调查.  相似文献   

反季节袋栽草菇新技术     

周修  赵张  维瑞 《农村新技术》2004,(11):11-12

本技术采用稻、麦草为主料进行反季节栽培草菇试验,获得成功。示范推广结果表明,在冬季袋栽草菇,生物效率仍可稳定在40％以上,经济效益提高2～3倍,填补了冬季市场无鲜菇的空白,为草菇周年栽培开辟了新途径。  相似文献   

铜的生物学效应   总被引：1，自引：0，他引：1  

李慎涛  孙庆瑞 《中国兽医科技》1990,(2):34-35

  相似文献   

基于机器学习算法的奶牛疾病预测模型的研究     

李尚汝  宋佳美  张城瑞  孙雨坤  张永根 《中国畜牧兽医》2022,49(7):2534-2546

【目的】评估建立奶牛疾病预测模型的6种机器学习（machine learning,ML）算法的性能及预测变量的重要性。【方法】选取2020年12月至2021年11月,共计944头泌乳牛的生产信息、行为信息作为预测因子,疾病信息作为输出变量,训练并验证模型。将日产奶量、反刍量、活动量、胎次和泌乳天数作为输入变量,利用ML算法建立奶牛疾病的预测模型,评估决策树（Decision Tree,DT） C5.0、CHAID算法、人工神经网络（Artificial Neural Network,ANN）、随机森林（Random Forests,RF）、贝叶斯网络（Bayesian Networks,BN）和逻辑回归（Logistic Regression,LR）6种ML算法的性能,评估预测变量的重要性,以及将胎次和泌乳天数纳入预测变量后模型性能的改善情况。采用敏感性和特异性评估模型性能,按照权重排序评估输入变量对模型预测的重要性。【结果】DT C5.0算法敏感性>85%,特异性>90%,为性能最佳的模型;RF总敏感性为56.8%,对各类牛预测的性能较稳定;ANN、BN、DT CHAID则对样本量较多的疾病预测性能较好,可达74.4%;LR对病牛正确识别率不足40.0%,大多识别为健康牛。产奶量为RF、ANN、LR最重要的预测变量,泌乳天数为DT C5.0、CHAID和BN最重要的预测变量;纳入胎次和泌乳天数后,模型预测的敏感性平均提高9.8%。【结论】ML算法在对奶牛疾病的预测方面表现出很大潜力,其中,DT C5.0更适合用于预测奶牛疾病。产奶量和泌乳天数为疾病预测模型中相对重要的变量,此外,将胎次和泌乳天数纳入预测变量,可提高模型的预测精度。  相似文献