黑龙江垦区农业机械总动力预测与分析

本文对黑龙江垦区农业机械总动力进行了预测分析。利用灰色系统理论,建立了灰色预测GM(1,1)模型,利用历史数据对农业机械总动力进行了预测,并进行了分析,为农业机械化发展规划提供依据。通过定性分析和建立GM(1,1)预测模型进行定量预测,预测结果为黑龙江垦区到2005和2010年末农业机械总动力将达到366.9和404.6万千瓦。认为黑龙江垦区农业机械将向着科技含量高、通用性好、经济性好、高生产率方向发展。     

我国农业机械总动力预测——基于背景值优化的GM(1,1)模型

随着现代科技的不断发展,农业机械化程度不断提高,而农业机械总动力是衡量一个国家农业现代化程度的重要指标。传统的灰色预测方法无法更加准确地进行预测,因此,提出了基于背景值优化的GM(1,1)模型预测,并用2003~2012年的数据对模型进行验证对比,解释了此方法相比单纯的灰色预测精度有所提高,可以预测我国未来数年内农业机械总动力的拥有量,便于国家对农机发展的宏观调控。     

基于支持向量机的中国农业机械总动力预测

为更好地预测中国农业机械总动力的发展趋势,引入了基于支持向量机的预测方法.以1979—2008年中国农业机械总动力的统计数据为训练样本,以2009年和2010年的统计数据为检验样本,采用新陈代谢法建立了基于支持向量机的我国农业机械总动力预测模型.为了验证该方法的有效性和优越性,同时采用新陈代谢法分别建立了基于普通BP神经网络和改进的BP神经网络的预测模型.仿真预测与检验样本预测的结果表明,基于支持向量机的预测精度明显高于普通BP神经网络和改进的BP神经网络预测模型.在此基础上,计算出2011年至2015年中国农业机械总动力的预测值分别为97 859.1,103 053.7,108 480.7,112 794.7,115 096.8万kW,指出了其具有增长趋缓的变化趋势.     

基于新维无偏灰色马尔可夫模型的小麦产量预测

针对小麦产量具有较大波动性的特点,结合灰色预测模型和马尔可夫理论,同时利用新信息优先的思想,以河南省2010—2019年小麦产量作为原始数据建立无偏灰色GM(1,1)模型、无偏灰色马尔可夫模型和新维无偏灰色马尔可夫模型,并对比3种模型的预测精度.结果表明,新维无偏灰色马尔可夫模型能提高预测精度,适合中长期预测,并预测出河南省未来5年的小麦产量数据.     

农村电网中长期负荷改进灰色预测研究

农网中长期负荷预测在农村电网发展规划编制中占有重要地位,而其关键是数学模型的建立,灰色模型是一种较好的预测方法,但传统的灰色预测精度不够好。通过分析一种改进方法,即通过对原始数据进行开次方处理降低预测模型的模型系数,再对数据平滑处理生成新的数据序列进行灰色建模预测,基于重庆地区农村用电量的实际数据分析表明,本改进方法比以往方法较大地提高了预测精度,其中改进无偏灰色模型开二次方预测精度最高,未来数年的农村用电量预测结果可为编写农村发展规划提供重要的参考价值。     

河北省农机总动力人工神经网络预测

目的提出一种新的BP神经网络非线性组合预测模型,对河北省2016-2023年农机总动力进行预测。方法基于一元非线性回归以及BP神经网络(BP-ANN),建立一种新的BP神经网络非线性组合预测模型,处理1978-2009年河北省农机总动力数据,建立预测模型并进行比较。结果误差分析表明,该非线性组合预测模型的拟合平均绝对误差为1.286%,低于一元非线性回归和传统BP神经网络。利用此模型对2010-2015年河北省农机总动力进行检验预测,预测结果与实际结果有很好的一致性,为农机总动力的预测提供了一条新的途径。结论此模型有较高的预测精度,并用此模型预测了河北省2016-2023年农机总动力数值,预测结果表明,在未来几年河北省农机总动力将保持高速增长,2023年将达13 610.69万kW。     

应用灰色关联法分析农业机械动力变化研究

农业机械的总动力变化受到固定灰色关联因素的限制,研究并明确各种因素与农业机械动力之间的关系有利于促进农业的科学化生产.为了提升我国农业机械使用的科学性合理性,使用灰色系统理论量化农业机械动力的应用.结果表明,单位面积粮食产量和人均耕地面积是影响农机总动力的最直接因素,农业机械被用于扩大土地管理和增加谷物产量,可以使总体...     

基于新维无偏灰色马尔可夫模型的大坝沉降预测研究

【目的】基于组合预测思想,结合灰色理论与马尔可夫预测方法的特点构建一种新的预测模型,为大坝沉降量的中长期预测提供支持。【方法】通过对传统灰色系统模型的优化改进,简化建模步骤并提高模型预测精度。在此基础上,借助于马尔可夫模型处理时间序列的随机性波动,克服灰色模型对随机波动性大的序列预测精度较低的局限性,并利用新信息优先原理,构建新维无偏灰色马尔可夫组合预测模型。将构建的新维无偏灰色马尔可夫组合模型应用于大坝沉降量的预测。【结果】构建的模型预测平均误差由原来的1.7%降低为1.0%,且预测误差的变化波动性减小。同时,随着预测期数的增加,相对于传统灰色模型,改进后的组合模型的预测精度进一步提高。【结论】与传统计算方法相比,所建立的新维无偏灰色马尔可夫组合预测模型计算量小、预测精度较高,且该模型保留了传统灰色模型短期预测精度高的优点,提高了模型的中长期预测能力,适用于大坝沉降量的中长期预测。     

关中地区耕地变化驱动因素及预测模型

以关中地区为研究对象,结合该地区1986—2011年耕地面积及人口、经济发展水平、农业现代化水平等资料,分析了耕地数量动态变化情况,探究其变化主导驱动因素,并分别运用多序列灰色关联预测模型、人工神经网络预测模型,对未来关中地区耕地面积进行预测。结果表明,1986—2011年,耕地总面积、人均耕地面积均呈现逐步减少趋势;影响耕地面积变化的主导驱动因素是人口、城市化水平、灌溉面积、粮食单产、农业机械总动力。     

基于BP神经网络的农机总动力预测模型研究

利用黑龙江省1980～2007年农机总动力数据,对BP神经网络模型和现有农机总动力预测模型进行分析,建立了基于BP神经网络的农机总动力预测模型,并将该模型应用到2007年以后黑龙江省农机总动力的预测中,取得了良好的预期效果,为黑龙江省的农业机械化发展趋势和农机产品市场分析提供了一定的理论指导。     

组合预测模型在黑龙江省农机总动力预测中的应用

农机总动力是反映和评价农业机械化水平的一个重要指标.通过对黑龙江省农机总动力历史数据进行分析,建立了指数模型、GM（1,1）模型和BP神经网络模型3种预测模型,其次,应用基于离异系数法、二次规划法、Shapley值权重分配法分别构建组合预测模型.拟合结果表明,各种组合预测模型优于各单一模型.最后应用基于Shapley值权重分配法对黑龙江省农机总动力进行组合预测,为制定农机动力发展规划提供了依据.     

中国粮食产量的无偏灰色GM(1,1)模型与预测

根据《中国统计年鉴-2008》等最新统计数据,建立改进的无偏灰色GM（1,1）模型,并对2009～2015年中国粮食产量进行实证分析和预测。结果表明,所建模型简化了建模步骤,提高了预测精度,预测结果符合中国粮食生产实际。     

山西省农机总动力需求的灰色—马尔柯夫预测模型

灰色—马尔柯夫预测方法能够较好地解决既有趋势性又有较大波动性的数据序列的预测问题 ,且具有计算简便、精度高的特点。本文利用该方法对山西省农机总动力需求进行了预测分析 ,为农业机械化有计划的发展提供了依据。     

基于PSR-GM(1,1)模型的华池县耕地生态安全评价与预测

运用PSR模型建立评价指标体系,用综合评价法计算生态安全值,对华池县2009—2014年的耕地生态安全状况进行评价,在此基础上,通过GM(1,1)模型对2015—2020年的耕地生态安全状况进行预测并建立障碍度模型确定障碍因子。结果表明:2009—2014年,华池县的耕地生态安全状况良好且逐渐改善,2015—2020年耕地生态环境将继续改善,生态安全状况的主要障碍因子包括城镇化水平、农村人均纯收入、有效灌溉面积、机械总动力、单位耕地农膜压力5个方面,为耕地保护指明了方向。     

基于SVM的农机装备水平组合预测模型研究

采用支持向量机的组合预测方法,对黑龙江垦区农机装备水平进行预测。在确定单一预测模型的基础上,运用自组织神经网络方法,将权系数确定问题转化为粗糙集理论中属性重要性评价的问题;计算各单一预测方法对组合模型的依赖度、重要度和权系数;利用建立的基于支持向量机非线性农机装备水平组合预测模型,对黑龙江垦区2002—2012年农机装备水平的历史数据进行检验。误差分析表明:该模型对农机总动力、大中型拖拉机、小型拖拉机、大中型拖拉机配套机具和小型拖拉机配套机具的预测平均相对误差为0.471%、1.328%、3.738%、1.193%、3.574%,均低于各单一预测模型的平均相对误差;利用该模型对黑龙江垦区农机装备水平进行预测,到2020年拥有农机总动力999.33万kW、大中型拖拉机88 921台、小型拖拉机38 453台,大中型拖拉机与配套农机具台数比为1.51∶1,小型拖拉机与配套农机具台数比为1.68∶1。所建模型适用于黑龙江垦区农机装备水平的预测。     

基于无偏灰色马尔科夫链的稻瘟病预测研究

采用五点滑动法优化原始数据,建立新的灰色马尔科夫预测模型。在分析利用湖北省恩施州1995～2004年稻瘟病历史资料的基础上,分别应用五点滑动优化无偏和无偏GM（1,1）模型预测2005～2010年稻瘟病发生面积。预测结果表明：五点滑动优化无偏GM（1,1）模型预测精度较高,应用于稻瘟病预测切实可行。结合五点滑动优化无偏GM（1,1）模型预测结果,笔者给恩施州2010年稻瘟病的防治提供了政策建议。     

基于面板数据模型的农机购置补贴政策分析

农机购置补贴政策实施10年来,中央政府投入逐年增加,带动了各方面投入的增加,尤其是农民个人投入增加,致使农业机械装备数量增长加快。基于2000—2012年间中国的省际面板数据,估计了中国31个省份农机购置投入与农机总动力增长的数量关系。结果表明,粮食主产区是中国农业机械购置投入大省,也拥有较高的农机总动力,但双对数模型显示,粮食主产区农机总动力增长对农机购置投入增长的敏感程度有明显差异,对此分析了原因,并提出相应对策。     

高校图书流通量的优化灰导数白化值的无偏灰色GM（1,1）模型预测

通过优化灰导数白化值,建立了无偏灰色GM（1,1）模型。并用此模型对九江学院图书馆2004～2009年化学类图书借阅量进行了预测,结果表明,预测结果精度较高,可为图书馆图书流通管理提供更为可靠的依据。     

灰色理论预测方法在地理学中的应用研究

介绍了灰色预测理论,针对地理学问题引入马尔可夫链修正GM（1,1）预测模型,并依据气象数据的特性对该模型进行改进,形成适应于气象数据预测的改进的等维无偏递补GM（1,1）马尔可夫预测模型。最后,以哈尔滨市气温和风力数据进行了模型预测验证。结果表明：利用改进的模型进行气象预测,效果令人满意。     

河北省粮食产量影响因子的灰色关联分析

运用灰色系统理论中的灰色关联分析方法,选择粮食单产、耕地面积、有效灌溉面积、化肥用量、农药用量、农业机械总动力、受灾面积7项因子,与河北省近10 a来粮食产量之间的关联性进行分析,结果表明,影响河北省粮食产量的主要因子依次为有效灌溉面积、农药用量、农业化肥用量、耕地面积、粮食单产、农业机械总动力和受灾面积。因此,提出加强农业基础设施建设,合理使用化肥和农药,实行严格的耕地保护制度,实施科技兴农战略等建议,以稳定和增加河北省粮食产量。