共查询到20条相似文献,搜索用时 15 毫秒
1.
为预测宁夏地区农业机械化水平的发展变化趋势,提出一种将灰色预测模型与BP神经网络有效结合的农业机械总动力预测方法。在BP神经网络的数据预处理阶段融入灰色预测理论,建立基于灰色BP神经网络的农机总动力预测模型,并选取1991-2014年宁夏回族自治区农业机械总动力数据作为样本,利用该模型进行仿真预测,结果表明:该模型具有较高的预测精度,其平均相对误差仅为0.18%,明显优于灰色GM(1,1)模型的3.5 0%和标准BP神经网络的0.2 9%。 相似文献
2.
3.
以1979—2015年吕梁市农机总动力为研究基础,利用指数函数、三次多项式函数及BP神经网络分别建立农机总动力预测模型并进行样本比对。结果表明,BP神经网络和指数函数模型的平均绝对误差分别为1.11%和3.22%,低于三次多项式函数的平均绝对误差(8.05%)。利用BP神经网络模型和指数函数模型对2016—2021年吕梁市农机总动力进行预测,以期为农业机械化水平的发展提供参考。 相似文献
4.
基于BP神经网络的农机总动力组合预测方法 总被引:5,自引:1,他引:4
鉴于单一预测模型和线性组合预测模型的局限性,在确定黑龙江省农机总动力单一预测模型的基础上,建立了基于BP神经网络的非线性农机总动力组合预测模型。误差分析表明,该非线性组合预测模型的拟合平均绝对百分误差为3.03%,低于一元线性回归模型、指数函数模型、灰色GM(1,1)模型和三次指数平滑模型的6.26%、4.65%、4.88%和3.72%;稍高于以误差平方和最小为原则构建的线性组合预测模型的2.86%。用2006~2008年黑龙江省农机总动力进行检验预测,结果表明该模型可以有效地提高农机总动力的预测精度,用该模型预测了黑龙江省2009~2015年农机总动力。预测结果表明,在未来几年黑龙江省农机总动力将保持快速增长趋势,到 相似文献
5.
凉城县位于内蒙古自治区乌兰察布盟南部 ,是乌兰察布盟的一个农业大县。全县总人口 2 4 .5万 ,有耕地面积 8万公顷 ,经过 5 0多年的艰苦奋斗 ,凉城县农业机械化事业得到了长足发展。到 2 0 0 0年 ,全县农业机械总值已达到 1.1亿元 ,农机总动力 15万 k W,拖拉机保有量 70 0 0台 ,其中大中型拖拉机 5 5 0台 ,机引耕作配套机具 1.6万台 (套 ) ,农用排灌动力机械 80 0 0台 ,农用排灌总动力超过 0 .7万 k W,农机总作业量已超过 93万公顷 ,农机从业人员达 1.3万人。无论是农机装备程度 ,还是机械化作业水平 ,在乌兰察布盟都处于领先地位 ,特别是… 相似文献
6.
为了提高农业机械化水平、农业生产效率和优化农业产业结构,保证在农业机械生产与实际需求的一致性,在制订农业机械化水平发展规划过程中需要对农业机械数量进行预测。为此,采用基于遗传算法的BP神经网络预测算法,对我国从1997-2013年期间以农机总动力、中大型拖拉机数量和小型拖拉机数量为内容的主要农业装备数量进行预测。预测结果表明,利用遗传算法与BP神经网络相结合的方法预测全国农业机械装备数量,农机总动力预测值与绝对值平均误差为1.080%、农用大中型拖拉机数量预测值与绝对值平均误差为1.352%、小型拖拉机数量预测值与绝对值平均误差为1.765%,预测精度稳定,该预测方法适用于本时间序列预测问题。 相似文献
7.
为了能够更好地确定黑龙江省农机总动力带来的影响,从提高黑龙江省农机总动力预测精度出发,运用黑龙江省1983-2014年农机总动力数据,以实数遗传算法训练神经网络对2015-2019年的黑龙江省农机总动力进行预测。预测结果表明:在达到相同精度的目标下,基于实数遗传算法来训练神经网络的农机总动力预测比标准BP神经网络对农机总动力的预测具有更快的收敛速度,预测速度优势明显,且拟合的精度也得到了很大提高。数据结果还表明:离需要预测的年代(2015-2019年)越近,预测数据的绝对误差越小,因此运用实数遗传算法训练神经网络有较好的预测性能。最后,运用2017年和2018年的预测数据来确定农机总动力对与其相关方的影响,并给了出参考建议。 相似文献
8.
9.
10.
20 0 1年宁德市农机总动力达 81.81万千瓦 ,比增 1.83万千瓦 ,增长 2 .3% ,其中柴油发动机动力增加 1.31万千瓦 ,占农机净增总动力的81.3%。从净增的柴油发动机内部构成看 :渔业总动力增 832 0千瓦 ,机动运输船动力增 384 9千瓦 ,分别占农机净增总动力达 4 5 .4 6 %、2 6 .17%。数据表明我市 2 0 0 1年农机总动力的增长主要是柴油发动机动力的增长 ,而渔业机械及机动运输船又是柴油发动机动力增加的最主要成份 ,说明了我市蓬勃发展的“海上田园”蓝色产业加快了我市农机发展布局结构调整 ,成为农机经济新的增长点。蓝色产业——又一农机经济… 相似文献
11.
12.
利用黑龙江省1983-2013年农机总动力数据,运用标准BP神经网络和LM-BP神经网络对黑龙江省未来5年的农机总动力进行预测。预测结果表明:在达到相同的误差目标值(即计算期望精度),LM-BP神经网络与标准PB相比,具有更快的收敛速度。如果需进一步减小误差目标值(即提高计算期望精度)时,标准BP神经网络在16h内都无法满足给定的精度要求;而LM-BP神经网络在20s内即可满足给定的精度要求。此时,LMBP神经网络的收敛速度优势非常明显,而拟合的精度也进一步提高,表明LM-BP神经网络具有较高的预测精度。准确的预测黑龙江省农机总动力,可为黑龙江省农业机械化发展规划的制定和近阶段农业机械化的发展水平提供参考依据。 相似文献
13.
14.
15.
16.
一、2 0 0 1年农机化发展情况1.农机装备水平提高 ,农机结构优化 2 0 0 1年底 ,全省农机总动力为 72 4 1万kW ,比上年增长3.4 5 % ,平均每公顷耕地拥有农机动力 11.2 5kW。农机原值达 35 1.85亿元 ,比上年增长 4 .2 4 %。在农机总动力中 ,柴油机和电动机分别比上年增长 6 .5 4%和 3.1% ,而汽油机动力则降低 4 4.3%。主要原因是大批汽油载重车到了报废期限 ,被淘汰 ,而以柴油机和电动机为动力的农用运输车、拖拉机和农副产品加工机械有了较大发展。2 0 0 1年 ,全省大中型拖拉机 ,保有量达到 6 .6 8万台 ,比上年增长 6 .4 5 %。拖拉机总… 相似文献
17.
2011-2015年河南省农业机械总动力的预测 总被引:1,自引:0,他引:1
农业机械总动力是衡量农业机械化水平的一项重要指标。对河南省农业机械总动力进行预测,将为农业机械化部门制定合理的发展规划提供一定的理论支持,同时也为农机企业了解未来市场需求状况提供一定的参考。以1991-2010年间的河南省农业机械总动力统计数据为基础,利用BP神经网络建立了河南省农业机械总动力的预测模型。该模型采用3层BP神经网络,输入层、隐含层和输出层的神经元数目分别为5,13和1。隐含层和输出层的激励函数分别为正切型与对数型Sigmoid函数。采用分步预测的思想,利用自适应学习速率训练方法对该网络进行了训练,获得了该模型中各层之间的连接权值和各层神经元的阈值。利用该模型对现有数据进行了仿真预测,结果表明,该模型具有较高的预测精度。在此基础上,对河南省"十二五"期间的农业机械总动力进行了预测,并给出了预测数据。 相似文献
18.
路思恒尹红 《农业装备与车辆工程》2023,(1):39-43
基于BP神经网络建立云南省粮食产量预测模型,分析有关文献,最终选择农业机械总动力、有效灌溉面积、农用化肥施用折纯量、农村用电量、农药使用量、粮食作物播种面积、农用柴油使用量和受灾面积等8个指标作为输入变量,粮食产量为输出变量。首先以云南省1993—2016年的粮食产量及8个粮食产量影响因素等数据,搭建BP神经网络预测模型,预测2017年、2018年和2019年的粮食产量。试验结果表明,基于BP神经网络预测模型在训练阶段,相对误差绝对值基本小于1%;在验证阶段,预测2017年、2018年和2019年的相对误差分别为1.84%、3.25%和2.86%,误差率均控制在5%以为,说明该模型具有很好的预测效果,能够有效地对粮食产量进行预测,并为粮食产量的预测提供了一种新的方法。 相似文献
19.