基于BP神经网络的玉米区试产量预测研究

以国家农业科学数据中心数据库中的数据为样本数据依据,用BP神经网络建立预测玉米区域测试产量模型,并用现有数据进行检测,证明运用BP神经网络模型预测玉米区试产量是可行的。     

基于LM-BP网络的粮食产量预测

利用Levenberg-Marquardt (LM)算法对BP神经网络法进行改进,提出了基于改进型LM-BP神经网络模型的粮食产量预测方法.提取了粮食作物播种面积、化肥施用量、粮食作物有效灌溉面积、受灾面积、农村用电量、农业机械总动力、从事农业的人口、农村居民家庭生产性固定资产原值、农村居民家庭平均纯收入9个因子作为输入因子构筑模型,粮食产量作为网络输出,通过LM算法使网络误差最小化,最后使用相关系数、相对误差等指标对模型的模拟结果进行检验.结果表明,训练样本集中模拟值和实际值的相关系数为0.996,平均相对误差为0.47％;检测样本集中,预测值和实际值的相关系数为0.994,平均相对误差为0.56％;该模型具有较高的拟合精度和预测精度,将此网络模型应用于粮食产量预测是有效的、可行的.     

基于遗传算法改进 BP 神经网络的遥感影像分类研究

遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容,有效地选择合适的分类方法是提高遥感影像分类精度的关键。BP神经网络具有收敛快和自学习、自适应性强的特点。在遥感图像分类中,BP神经网络能充分利用样本集的信息,自动建立分类模型,但由于BP神经网络的权值和阀值能直接影响BP神经网络模型的分类精度,因此该研究通过遗传算法来确定BP神经网络的最优权值和阀值,从而提高BP神经网络的分类精度。以LandsatTM遥感图像作为数据源,以长江中游一武汉市为研究地区,建立了基于BP神经网络模型的遥感分类模型和基于遗传算法改进BP神经网络模型的分类模型,对分类结果进行了定量分析。结果表明：在样本相同的情况下,基于遗传算法改进BP神经网络的遥感影像分类精度要高于BP神经网络的遥感影像分类精度。     

改进粒子群优化 BP 神经网络的洪水智能预①测模型研究

该文提出改进的PSO‐BP算法在洪水预测应用中建立预测模型。以BP神经网络为基础,提取观测站往年平均径流量作为洪水属性。采用改进的PSO‐BP算法对神经网络的各个参数进行优化,最后建立模型应用于流域观测站的洪水预报模型,叙述了PSO粒子群算法和BP神经网络算法,详细阐述粒子群算法优化BP神经网络的权值和阈值,得出最优的BP神经网络预测适应度值。通过实验仿真对比,结果表明此方法预测结果比BP神经网络算法和混沌径向基神经网络模型算法精度更高,提高了预测的效率。     

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.     

基于KPCA-SSA-BP的农业气象灾害预测

农业气象灾害对农业发展有很大阻碍,为优化农业气象灾害预测的估算模型,本研究以山东省作为研究区域,利用核主成分分析(KPCA)对影响因子进行降维,以传统反向传播(BP)神经网络模型为基础,基于麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)3种优化算法,构建了SSA-BP、PSO-BP、GA-BP 3种优化模型。结果表明,在旱灾受灾率的模型评价指标对比中,发现与传统BP神经网络模型相比,SSA-BP、PSO-BP、GA-BP神经网络模型的均方根误差(RMSE)分别下降23.55%、12.28%和17.74%;在洪灾受灾率的模型评价对比中,发现与传统BP神经网络模型相比,SSA-BP、PSO-BP、GA-BP神经网络模型的RMSE分别下降了29.96%、9.49%和13.88%。说明SSA-BP神经网络模型对旱灾受灾率、洪灾受灾率的预测效果优于传统BP神经网络模型以及PSO-BP、GA-BP优化的神经网络模型。     

基于主成份BP神经网络的农业现代化综合评价体系研究

依据辽宁省2007~2010年14个地区农业现代化发展现状,通过主成份分析获取能全面衡量农业现代化的进展程度的新指标,并将其应用于BP人工神经网络,建立农业现代化发展现状综合评价体系(PCABP),对辽宁的各地区农业现代化发展现状进行综合评价。同时将PCABP的评价结果与直接应用主成份综合评价体系(PCA)以及BP神经网络综合评价体系(BP)的进行对比。结果表明:3种方法 MAE和RMSE大小关系为:PCABPBP>PCA,即:PCA、BP、PCABP评价效果依次增强。PCABP既能不考虑PCA综合评价模型在学术界上的争论性,又能解决BP神经网络输入向量信息冗余的问题。相对两者单独评价而言,PCABP能显著提高评价体系的准确度和稳定性,为农业现代化评价提供了一种确实可行新的途径。     

基于高光谱和BP神经网络的双子叶植物叶片叶绿素遥感估算

针对传统叶绿素分析方法具有破坏性且耗费人力、时间长、成本高的弊端,依据LOPEX’93数据集中双子叶植物的高光谱数据和叶绿素值,构建了双子叶植物基于高光谱的叶绿素含量最佳估算模型,利用Pearson相关性分析一阶微分光谱、高光谱特征参数与叶绿素的相关关系,发现724nm波段处一阶导数与双子叶植物叶绿素值的相关性最大,其相关性为0.509;高光谱特征参数RVI、NDVI、TCAR与叶绿素的相关性达到0.7以上,构建基于一阶微分光谱、高光谱特征参数和BP神经网络的叶绿素估算模型,并对模型进行验证;再结合一元线性模型、指数模型、对数模型和幂函数模型与BP神经网络模型进行比较。结果表明:叶绿素值与一阶微分光谱在724nm处的光谱数据作为自变量建立的传统回归模型可用于双子叶植物叶绿素的估算,最优建模样本R~2和最优验证样本R_V~2分别为0.541和0.745,RMSE为6.16;基于高光谱特征参数RVI、NDVI、TCAR建立的叶绿素估算回归模型,最优建模样本R~2和最优验证样本R_V~2分别为0.618,0.708;0.632,0.866;0.594,0.654,RMSE分别为6.65,5.61,7.07,将基于高光谱特征参数变量构建传统回归模型时筛选到的光谱参数作为输入,实测叶绿素值作为输出,构建BP神经网络模型,其最优建模R2与最优验模R_V~2分别为0.692和0.874,最优验证样本RMSE为5.23,与其他回归模型相比,BP神经网络模型预测精度最高。研究表明基于高光谱数据的模型具有较好的预测能力,是估算双子叶植物叶绿素值的一种高效的方法。     

灰色理论与BP神经网络耦合的粮食产量预报

以河南省为例,选取影响粮食产量的8个农业生产条件为指标,以2000~2007年8个序列的数据分别建立新陈代谢GM(1,1)模型,得到一系列预测值。将8个指标1990年至2007年的原始数据作为BP神经网络的输入样本,粮食产量实际值作为输出样本,然后对网络进行训练,构建了BP神经网络。再将各新陈代谢GM(1,1)模型得到的8个农业生产条件的预测值作为BP神经网络的输入,得到的输出即为最终预测值。仿真实验表明,用灰色理论与神经网络耦合模型研究河南粮食产量的拟合精度和预测准确度都比较理想。     

灰色神经网络组合模型(GNN)在涝灾预测中的应甩

洪涝是对人类及社会危害较大的一种自然灾害,洪涝严重影响农业生产和生态平衡,涝灾预测已成为防灾减灾的重要内容.应用BP神经网络模型对灰色模型预测精度较低的问题进行了改进,该方法是将灰色模型的预测值作为神经网络的输入,以实际值作为输出而构成灰色神经网络组合模型(GNN).以辽阳地区50年的年降水量作为历史数据,建立GNN涝灾预测模型.预测结果表明:该方法与传统的灰色预测方法相比提高了预测精度,这种新的信息处理和预测方法是有效可行的.     

农村公共品供给与农民收入关系的实证研究——以贵州省为例

以农村公共品的供给与农民收入关系为切入点,通过建立回归模型,进行实证研究,分析农村公共品供给对农民收入的影响,并有针对性地提出促进农民增收的政策建议：加大农村基础设施投入力度,完善农村社会保障制度,增加农业科技研究和推广投入。     

基于MIV和GA-BP模型的农业机械化水平影响因素实证分析

农业机械化是农业现代化的前提和标志。利用2007-2012年31个省(市)面板数据,建立GA-BP神经网络模型,计算MIV值,对我国农业机械化水平影响因素进行了实证分析。结果表明,农村劳动力转移率、农村居民收入水平和农作物种植结构对农业机械化水平的影响较大,土地经营规模影响较小;户均人口数、水稻播种面积比重、农村居民家庭经营山地面积有负向影响,其它因素有正向影响。从区域来看,农村劳动力转移率是华北、东北、华东和中南地区农业机械化水平主要影响因素,户均人口数在华东、中南和东北地区具有负向影响,但在西北和西南地区具有正向影响,农业机械化水平总体呈现"东部缺地,西部缺人"的现状。从趋势来看,农村劳动力转移率、玉米播种面积比重和农村居民家庭人均纯收入的正向影响在不断增强,农村居民家庭经营山地面积、水稻播种面积比重、户均人口数的负向影响在波动中逐年减弱。为提高农业机械化水平,应加快农村剩余劳动力转移,突破稻作农机技术瓶颈,发展适合山区作业的中小型农业机械,同步推进农机专业服务市场发展和农业适度规模化经营。     

系统聚类分析在农业生产效率综合评价中的应用

低效率的农业生产导致了当前农民收入增长速度放缓,城乡地区收入差距扩大。“三农”问题引起各方重视,“三农”问题的核心是农业效率问题。本文通过聚类分析方法分析了我国各省区农业生产聚集特征,提出了通过政府引导提高农业效率的基本途径。     

非农家庭经营收入水平对农民收入的影响

非农家庭经营收入是农民收入的重要来源。根据国家统计局发布的《2004年分地区农村居民家庭人均纯收入》以及2005年全国综合社会调查（CGSS2005）中的相关数据,选用多层线性回归模型（Hierarchical Linear Models,HLM）作为分析工具,构建HLM的零模型、不包括第2层预测变量的2层模型以及包括第2层预测变量的2层模型,分别对农民收入的差距、农民个人特征对收入的影响和非农家庭经营收入水平对农民个人收入差异的影响进行分析。分析表明,不同省级行政区域的农民在个人收入上存在巨大的差异,农民个人的收入与农民个人的个人特征有着密切的关系,不同行业非农家庭经营收入水平的提高对农民收入差异的影响各不相同。     

农产品供应链对农户减贫增收的关联效应分析——基于滇、桂、苏、闽四省(区)的实证

实现小农户与大市场的有效对接既是现代农业健康发展的必然要求,又是贫困农户减贫增收的现实路径。在农业市场化改革深入推进的背景下,通过培育农产品供应链以此带动农户减贫增收致富,是当前市场化减贫的重要方向。基于滇、桂、苏、闽四省(区)农户调查数据,采用多元有序Logistic模型,分析了农产品供应链对农户减贫增收的关联效应及区域差异。结果表明,农产品供应链对农户减贫增收具有正向作用,加入农产品供应链能显著增加农户收入,而且对欠发达地区的作用发挥优于发达地区。有无加工销售、农产品出售渠道、对供应链管理认可程度等供应链融入状况关键因素对农户减贫增收影响明显。因此,重视采取整合区域农业资源与要素,培育优势农产品供应链;协调农产品供应链主体关系,构建小农户稳定融入机制;加快农村基础设施建设步伐,深入推进农业市场化改革进程等优化措施,方能充分发挥农产品供应链对农户减贫增收的带动效应。     

农民增收的现实困境与路径选择研究

分5个阶段对改革开放以来的农民收入进行研究,指出农民收入的增加有利于促进国民经济持续、健康、快速发展,有利于促进＂三农＂问题解决,保障国家粮食安全,有利于社会主义新农村建设和全面建设小康社会。但受到农业科技水平低,增收渠道过于单一,农村公共服务落后,农业生产成本高等因素的制约,农民收入增长速度相对落后。对此,提出了加大农业科技投入、培养大批农业科技人才、促进农民就业、拓宽农民增收渠道、建立健全农村公共服务体系、降低农业生产成本等对策建议。     

重庆市农村经纪人发展的经济环境分析

农村经纪人在农业生产、农民增收和完善农业产业链条过程中发挥着重要作用。农村经纪人的良好发展受到地区经济环境的影响,如农产品供给、农业类型、农业科技等。通过分析地区经济环境、了解农村经纪人发展的制约经济因素,提出了有效的对策,促进了农村经纪人的良性运营,实现了农村生产力的不断提高。     

基于灰色关联度分析新疆农村金融发展对新疆农民收入增长的影响

农村信贷总量增长和信贷结构调整是支撑农村经济发展和保证农民收入持续稳定增加的两大支柱.它运用灰色系统理论中的灰色关联分析法来衡量农业贷款和乡镇企业贷款的作用,得出对新疆农民收入影响最大的是农业贷款,对这方面的投向基本合理;同时,乡镇企业贷款的作用贡献较大,但是农村金融机构对于乡镇企业贷款力度越来越弱.     

基于BP神经网络和支持向量机的农用地分等方法研究

为建立农用地(耕地)质量评价模型,客观准确地进行农用地(耕地)分等,减少现行农用地分等方法中的人为因素影响,提高农用地分等的精度。以福建省长泰县丘陵山地区为实证研究区,通过无监督网络——自组织特征映射网络(SOM)筛选出2 602组典型样本,分别进行有监督网络——BP神经网络和支持向量机(SVM)的学习训练,将分等指标作为输入变量,以农用地自然质量等指数和等别作为输出变量,分别建立BP神经网络农用地分等模型与SVM农用地分等模型并对其精度进行分析。BP神经网络模型的评价正确率为89%,精度较高;支持向量机(SVM)模型的评价结果正确率为99%,达到高精度等级。2种模型均能满足农用地分等的精度要求,但SVM模型较BP神经网络效果更好,更适合应用于农用地分等工作。     

基于VAR模型下农业产业结构调整对农民增收的影响

以1983-2007年<江西统计年鉴>的农业总产值和农民纯收入为统计分析数据,运用计量经济的向量自回归(VAR)方法,从种植业、林业、牧业、渔业等几方面分析了宜春市农业各产业产值间对农民纯收入的影响.结果表明:宜春市农业总产值不是形成农民收入增长的关键因素.从长期来看,牧业产值对农民纯收入的影响因素最大,为32.36%;其次是渔业产值,为31.65%;第三是种植业产值为20.54%.另外,林业产值对农民纯收入的影响为9.67%.即牧业的发展对农民增收的贡献最大,其次是渔业、种植业.说明,牧业是宜春市未来农业产业结构调整的重点.