陕西退耕还林工程对农业经济的驱动分析

根据1990~2004年陕西统计资料,通过对比来揭示退耕还林工程的实施,对农村劳动力结构、农业产业结构和农户收入水平的巨大影响力;构建农户收入水平的模型,并加以分析,得出结论:退耕还林工程的实施,明显地提高了农户收入,促进了农村劳动力结构和农业产业结构的转变.发现农户经济收入趋势线正处在朱格拉经济周期内,并根据趋势方程对未来5a的发展状况做出预测.     

水稻虫害智能预测模型及其应用

为改进受多变量、时变和不确定因素影响的作物虫情预测的效率和准确性,将人工神经网络、遗传算法和模拟退火技术相结合,提出了一个全新的水稻虫害智能预测模型.模型首先基于人工神经网络,利用现有的多维气象数据、虫害历史数据构建网络结构,然后将遗传算法置于网络内层,模拟退火算法置于网络外层,对神经网络权重和阈值进行优化训练,以使模型输出快速准确地逼进目标样本.模型被应用在重庆市永川水稻二化螟虫情预测中,结果表明该模型能够较精确地预测未来虫害的发生程度.与传统的BP人工神经网络预测相比,预测精度和预测时间都得到较大提高,因而利用智能模型进行水稻虫害预测具有良好的实用价值.     

基于主成分分析单一参数入渗模型的BP神经网络模型

利用标定理论建立较大尺度上的单一参数入渗模型,在此基础上基于主成分分析建立其BP神经网络模型。结果表明:利用主成分分析可将研究区域土壤容重、有机质含量、砂粒含量、粗粉粒含量和粘粒含量综合成3个主成分;基于主成分分析建立的BP神经网络模型预测的标定因子的RMSE为0.4186,除偏大或偏小的标定因子,利用预测的标定因子预测的累积入渗量与实测值比较接近,可利用所建模型对较大尺度上的单一参数入渗模型进行预测。     

基于CGA-BP神经网络的好氧堆肥曝气供氧量预测模型

为提高好氧堆肥曝气供氧量的曝气效率以及预测精度,该研究利用遗传算法（genetic algorithm, GA）对标准反向传播（back propagation, BP）神经网络的初始权值和阈值进行优化,再利用克隆选择算法（clonal genetic algorithm, CGA）优化遗传算法中的变异算子并复制算子,加快获取最优参数的速度,构建基于CGA-BP神经网络的曝气供氧量预测模型。为验证CGA-BP模型的有效性,与BP模型、GA-BP模型预测结果进行对比。试验结果表明：克隆遗传算法优化BP神经网络能加快获得最优解,效率相比BP模型和GA-BP模型分别提高了75.36%、51.30%;在曝气供氧量预测模型中,CGA-BP模型具有更准确的预测效果,预测精度为99.65%,而BP模型与GA-BP模型预测精度分别为96.99%、99.26%;CGA-BP模型评价指标的均方误差、平均绝对误差、平均绝对百分误差分别为0.003 4、0.038 9和0.350 6,均小于BP神经网络和GA-BP神经网络模型评价指标的误差;利用CGA-BP好氧堆肥曝气供氧量预测模型对好氧堆肥发酵过程进行精准...     

基于遗传神经网络的全国小麦条锈病长期气象预测

为了提高反向传播（BP）神经网络模型预测小麦条锈病发病率的准确性和效率,以上年1月-当年3月组合的120个大气环流特征量为基础,定量分析大气环流特征量与全国小麦条锈病发病率之间的相关性并从中筛选出主要的影响因子;对影响因子进行主成分分析（PCA）,提取累计贡献达到85．46％的前10个主成分作为预测因子;利用逐步回归、BP神经网络及遗传算法（GA）优化的BP神经网络三种模型进行预测,三种模型的预测精度均在80％以上,其中GA—BP神经网络模型的精度最高,达92．6％,而其训练步长仅为标准BP神经网络的1／4左右。通过PCA简化网络结构,同时运用GA优化网络初始权值和阈值,GA—BP神经网络模型可以较好的预测小麦条锈病的发病率。     

黄土高原沟壑区农户土地利用结构变化与效益分析

通过对长武王东沟村农户土地利用结构及经济收入的详细调查,揭示了2007年王东沟小流域不同收入类型农户的土地利用结构现状、1998-2007年的土地利用结构变化情况、产业结构和投入产出情况及其经济效益等.结果表明当前农户最主要的土地利用方式是果园和耕地.收入的主要来源是工副业和果业,各类型间农户收入及其构成差异显著.不同收入水平农户的效益差异与有自然条件、管理水平及劳动力水平等因素有关.提出王东沟小流域应结合目前政策形势调整农户种植结构,合理配置土地资源,发展第三产业以提高经济收入等建议.     

吴起县退耕农户生活状况调查报告

退耕以后农户的生活保障是影响退耕还林工程能否可持续发展的关键因素.通过对陕北吴起县59户退耕农户经济状况的调查发现,退耕还林工程在促进农户经济收入结构调整方面作用甚小,退耕还林补助在退耕农户的家庭收入中占据了重要的地位.子女学费、家庭医疗费用是退耕农户重要的支出项目,并且使近2/3的农户背负上了债务.因此,当退耕还林补助停止发放以后,如何保障退耕农户的生活是一个急需解决的问题.在延迟退耕还林补助时间的同时,应根据农户目前家庭经济收入和支出的实际情况,重点拓宽渠道增加农户的非农业收入,并通过教育和医疗体制的改革,减少农户的经济支出,从而缓解退耕农户面临的生计困境.此外,国家还应该尝试通过区域协调,对退耕还林地区实行生态补偿.     

BP神经网络模型在大凌河中游河流含沙量预测中的应用研究

应用BP神经网络模型对大凌河中游段河流含沙量进行了预测,并结合大凌河中游大城子水文站2000—2014年实测含沙量对比分析了BP神经网络模型在大凌河中游段河流含沙量的预测精度。研究结果表明:BP神经网络模型可用于大凌河中游河段含沙量的趋势预测,模型预测的含沙量和实测含沙量之间相关系数达到0.773 9。研究成果对于大凌河流含沙量预测分析提供参考价值。     

农户对退耕政策的认知及其影响因素研究--以米脂县杨家沟镇为例

为了深入了解农户对退耕还林(草)政策的认知和态度,研究它们受影响的因素,对陕西省米脂县杨家沟镇100多户农户进行了问卷调查和统计分析.结果表明,97.17%农户对国家实施退耕政策持积极态度,但他们仅从个体经济收益角度认识此政策的目的.影响这一结果的要素包括农户年龄、文化水平、退耕面积、家庭人口数量、劳动力数量、耕地面积、经济收入水平,其中前三者对以种植业和养殖业为主要收入来源的农户影响显著,而经济收入水平对以外出务工为主要收入来源的农户影响显著.     

红壤丘陵区农户水土保持投资行为研究--以江西省余江县为例

通过对余江县3个乡镇的农户访谈式调查,对农户水土保持行为机理进行了分析。研究表明农户兼业行为、传统生产习惯、农业经营规模、农业劳动力状况、水土流失现状与家庭经济条件等因素对农户水土保持行为有较大影响。通过相关性分析,建立了多元线性回归模型。模型运行结果表明,农户水土保持行为主要受到非农收入比例、从事农业生产的时间、从事农业人口数量、经营土地面积、水土流失减产损失、家庭人均收入以及距离城市远近等因素的影响。非农收入比重高的农户,水土保持投入的积极性不高。农业人口多的农户,或者受家族传统影响较勤劳的农户,其水土保持投资也多。据此,提出了激励农户水土保持投资行为和改善水土流失治理现状的相关建议。