Growth trajectory analysis of Pacific whiteleg shrimp ( <i>Litopenaeus vannamei</i> ): Comparison of the specific growth rate, the thermal‐unit growth coefficient and its adaptations
Notice bibliographique
Résumé
Empirical growth models have widespread application in the field of aquaculture. These models allow estimates of harvest size and waste outputs in addition to nutrient and feed requirements. In an effort to increase the ability to predict shrimp growth, the specific growth rate (SGR) and thermal-unit growth coefficient (TGC) models were fitted to 15 datasets encompassing growth of Pacific whiteleg shrimp (Litopenaeus vannamei). Shrimp were reared under commercial conditions in Southeast Asia with weights ranging from 0.01 g to 34 g. Growth rates were regressed against body weights to identify changes in growth pattern across life stages. Analysis identified two distinct patterns of growth, with a break point between stanzas at 7.5 g. The body weight exponent of the TGC model, traditionally assumed to be (1 − b) = 1/3, was solved for iteratively in each identified growth stanza in an effort to improve the goodness of fit of the TGC model. Average body weight exponents in the first and second stanzas were 0.416 and 0.952 respectively. Projected growth trajectories using these exponents resulted in significantly better fits in comparison to the traditional TGC and the SGR on the basis of statistical measures of goodness of fit.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».