黄芪判别预测的线性回归分析方法

doi:10.7525/j.issn.1673-5102.2014.06.023

植物研究 ›› 2014, Vol. 34 ›› Issue (6): 850-855.doi: 10.7525/j.issn.1673-5102.2014.06.023

黄芪判别预测的线性回归分析方法

1.山西大学中医药现代研究中心，太原　030006；
2.山西大学数学科学学院，太原　030006

收稿日期:2014-03-11 出版日期:2014-11-20 发布日期:2015-01-06
通讯作者: E-mail:lizhenyu@sxu.edu.cn
基金资助:

Discriminant Predictive Linear Regression Analysis Method for Astragalus

1.Modern Research Center for Traditional Chinese Medicine,Taiyuan　030006；
2.College of Mathematics and Science,Shanxi University,Taiyuan　030006

Received:2014-03-11 Online:2014-11-20 Published:2015-01-06
Supported by:

摘要/Abstract

摘要： 对蒙古类黄芪和膜荚黄芪分别建立木质部直径与横截面直径的一元线性回归模型，并进行回归分析和样本的分类，并通过多次随机抽取检验样本，给出了分类结果的正确率，结果显示蒙古模型分类效果很好。另外，本研究对不同生长年限的蒙古类黄芪样品进行了方差齐性t检验，并采用t检验的方法给出了2年和2年以上样品的木质部直径与横截面直径的比值的置信区间，结果显示2年和2年以上的置信区间没有交叉且相隔明显，以此可推断黄芪样本大概生长年限。本研究为黄芪药材品种和生长年限的确定提供了一种简单、快速的方法,可以简单地将黄芪分类，且能对确定种属的黄芪的生长年限加以判定。

关键词: 黄芪, 分类, 回归分析, t检验

Abstract: In this paper, the unary linear regression model between diameter of the xylem and cross section diameter was respectively set up for Astragalus membranaceus(Fisch.) Bge var. mongholicus(Bge.) Hsiao and A.membranaceus(Fisch) Bge.. Regression analysis and the classification of samples were conducted. Through several extracting random samples, correct classification rate was got. The results showed that the classification effect of A.membranaceus(Fisch.) Bge var. mongholicus(Bge.) Hsiao model was very good. In addition, the homogeneity of variance t test on samples of different growth years was carried on the samples of A.membranaceus(Fisch.) Bge var. mongholicus(Bge.) Hsiao. Through t test, it gave the confidence interval of the ratio between xylem and cross section diameter of samples of 2 years and above 2 years. Results showed that the interval of 2 years and above 2 years samples did not cross and could be obviously apart so that the growth years of Astragalus can be deduced. The study provides a simple and fast method for determining the varieties and growth years of Astragalus herbs. Hence, Astragalus samples can simply be classified and the growth years of a certain type of Astragalus can be determined.

Key words: Astragalus, classification, regression analysis, t test

中图分类号:

陈圆圆1,2；张晓琴2；秦雪梅1；李震宇1*. 黄芪判别预测的线性回归分析方法[J]. 植物研究, 2014, 34(6): 850-855.

CHEN Yuan-Yuan1,2；ZHANG Xiao-Qin2；QIN Xue-Mei1；LI Zhen-Yu1*. Discriminant Predictive Linear Regression Analysis Method for Astragalus[J]. Bulletin of Botanical Research, 2014, 34(6): 850-855.

[1]	任梓萱, 赵灵, 赵家雯, 王庆鹤, 尹鸿翔. 球药隔重楼的种下分类[J]. 植物研究, 2023, 43(4): 505-519.
[2]	田琴, 邵成艳, 段涵宁, 杨晨璇, 李璐. 中国云南8种堇菜属植物的叶形态解剖特征及分类学意义[J]. 植物研究, 2023, 43(3): 447-460.
[3]	万雪琴, 时羽杰, 黄金亮, 糜加轩, 钟宇, 张帆, 陈良华. 杨属植物分类的研究进展和展望[J]. 植物研究, 2023, 43(2): 161-168.
[4]	何芳, 鲁益飞, 刘永娣, 褚文珂, 金孝锋. 薹草属少花薹草组（莎草科）小坚果形态和微形态及其分类学意义[J]. 植物研究, 2023, 43(1): 1-8.
[5]	姜婉婷, 杨楠, 陈晨, 郭晓瑞, 唐中华, 王洪政. 硒处理对斜茎黄芪生长生理和初生代谢的影响[J]. 植物研究, 2022, 42(6): 1062-1069.
[6]	王庆华, 郑笑傲, 蒋勇, 贾渝. Orthotrichum tortifolium Lewinsky（Orthotrichaceae，Bryophyta），一个不丹藓类植物在中国的新记录[J]. 植物研究, 2022, 42(5): 721-725.
[7]	陈玉秀, 林云, 何珊珊. 中国11个维管束植物分类群名称原白中错误信息之更正[J]. 植物研究, 2022, 42(5): 726-732.
[8]	魏博嘉, 张学文, 王幼芳, 赵建成, 李敏. 青藓科（Brachytheciaceae）植物假鳞毛形态及其分类学意义[J]. 植物研究, 2022, 42(5): 733-740.
[9]	马小磊, 贾留坤, 曹倩, 陈世龙, 高庆波. 虎耳草属异叶虎耳草复合群的数量分类学研究[J]. 植物研究, 2022, 42(4): 536-543.
[10]	李俊, 段雅萍, 蔡秀珍, 王婷, 潘柏含. 松属针叶角质层微形态特征在分类学中的应用[J]. 植物研究, 2022, 42(3): 341-351.
[11]	陈征海, 谢文远, 鲁益飞, 刘胜龙, 金孝锋. 浙江忍冬属植物新资料[J]. 植物研究, 2022, 42(1): 1-11.
[12]	朱栗琼, 覃冬梅, 招礼军, 邓斌胜, 刘晟源, 蒋昌杰. 6种野生金花茶叶表皮微形态特征及其系统学意义[J]. 植物研究, 2021, 41(6): 841-850.
[13]	徐海军, 姚琴, 程薪宇, 王晓飞. 北方地区黄芪根系发育、成分积累及表观生长种间差异[J]. 植物研究, 2021, 41(6): 862-869.
[14]	郎学东, 刘万德, 刘娇, 苏建荣. 中国植被分类系统改进及命名探讨[J]. 植物研究, 2021, 41(5): 641-659.
[15]	李雁瓷, 付乃峰, 孙加芝, 肖艳, 曹建国, 田代科. 秋海棠（Begonia grandis）的种内表型多样性[J]. 植物研究, 2021, 41(5): 775-788.

黄芪判别预测的线性回归分析方法

Discriminant Predictive Linear Regression Analysis Method for Astragalus

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价