基于灰色BP神经网络的农业机械总动力预测

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%。     

中国农业机械总动力预测分析——基于ARIMA模型

运用我国1978-2005年的统计资料,建立了中国农业机械总动力的ARIMA模型,并进行了预测分析.结果表明:ARIMA模型不但适合于中国农业机械总动力的非平稳时间序列特点,且预测效果比较理想;ARIMA(2,2,2)模型预测1982-2005年数值与实际数值之间的平均相对误差仅为1.009%,可用于中国农业机械总动力的预测与分析.     

黑龙江省农业机械总动力预测分析——基于ARIMA模型

运用黑龙江省1980-2011年的统计数据,建立了黑龙江省农业机械总动力的ARIMA模型,并进行了预测分析。结果表明:黑龙江省农业机械总动力是非平稳的时间序列,ARIMA模型的拟合效果良好;应用ARIMA(0,2,1)模型进行预测,1980-2011年预测值与实际值之间的平均相对误差为2.87%,可用于今后黑龙江省农业机械总动力的预测与分析。     

基于GA-LM-BP模型的云南省农机总动力预测

为预测云南省农机总动力的发展变化趋势,提出一种将GA算法、LM算法与BP神经网络相结合的农机总动力预测方法,克服了BP神经网络易陷于局部极小的缺点。选取1985-2015年云南省农机总动力数据作为样本,建立GA-LM-BP神经网络模型进行仿真预测,结果表明:该模型的平均相对误差为0.313 362%,明显优于BP神经网络的0.926 674%、LM-BP神经网络模型的0.654 053%和GA-BP神经网络模型的0.493 122%,具有较好的预测精度。在此基础上,对云南省2016-2020年农机总动力的发展趋势进行了预测,结果表明:2 0 1 6年农机总动力达3 4 3 9.4 9万k W,超过云南省农业厅预测的3 4 0 9万k W,2 0 2 0年云南省农机总动力达3 952.78万k W,为云南省农机化的发展规划提供了理论依据。     

湖南省农机化发展的阶段性研究与趋势预测

以湖南省为地域研究单元,利用1967-2005年农业机械总动力数据,绘制了农机总动力年间差值变动曲线,并从农机总动力与主要农机拥有量的构成变化对农机化发展趋势进行预测。结论表明,湖南农机化发展历程可分为四个阶段,农机化将进入农业机械技术水平质的提高和"化"得更加经济的阶段。     

山西省农机购置补贴资金需求预测研究

采用Gompertz Curve(龚珀兹)时序预测及最小二乘法估算方法 ,构建了山西省农业机械总动力和GDP与农业机械总动力回归预测模型;对农业机械总动力、实现GDP发展目标和需求农业机械动力总量之间的关系进行了预测研究,并对农业机械投入与农业机械总动力增长进行了实证分析,提出了"十二五"期间山西省农机购置补贴资金年需求量,为国家和省级部门制定农机购置补贴政策提供科学依据和决策参考。     

灰色补偿BP神经网络预测农机总动力—以吉林省为例

农机总动力的预测研究对于农业机械的“供给侧”改革有着重要意义和研究价值,科学合理的预测结果对于职能部门的规划制定有着重要的指导意义。农机总动力数据具有时间序列性质,本研究应用灰色GM(1,1)模型对其进行有效的预测分析。为了提高预测的准确性,应用BP神经网络对灰色残差数据进行处理,补偿灰色预测结果,建立了相应的预测模型。实验表明:该模型对于吉林省农机总动力的预测科学有效,并对吉林省未来5年的农机总动力进行了预测,为相关政策制定提供了科学依据。     

基于灰色模型的农业机械总动力预测

农业机械总动力是评价一个国家农业现代化程度的重要指标.根据2003-2007年我国农业机械总动力的历史数据,采用基于灰预测的指数增长模型对农业机械总动力进行了预测.在模型建立前,进行了级比平滑检验,认为数据具有建立灰预测模型的基础;模型建立后,又进行了相对误差检验、后验差检验和残差检验.检验结果表明,模型具有较高的精度,适合中长期预测.最后,根据该模型给出了2010-2012年我国农业机械总动力的预测结果,认为我国农业机械总动力将于2012年达到103222亿kW.     

2011-2015年河南省农业机械总动力的预测

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。     

运用GM（191）模型对新疆农机总动力发展状况预测

农业机械总动力是国民经济发展水平的重要指标之一。运用灰色系统理论，基于GM（1，1）模型，对新疆农机总动力统计结果进行建模、求解、分析。模型检验结果为C=0．08〈0．35，P=1．00〉0．95，-a=0．084058〈0．3。说明建立的GM（1，1）模型精度高，预测性能好，适合作中长期及短期预测等。2011-2015年的农机总动力发展状况预测结果表明，到2015年新疆农机总动力可达到1926．17×10。kW。     

吕梁市农机总动力预测

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。      

新疆兵团农机总动力预测模型的研究

为了提高新疆兵团农机总动力预测模型的精度,获得更加可靠的预测结果,针对回归模型的多重共线性问题及灰色模型仅含有指数增长趋势的问题,基于2007-2014年农机动力的相关数据,建立了主成分回归和灰色回归两种预测模型。对两种模型的预测精度进行比较分析,结果表明:主成分回归模型和灰色回归模型预测值的平均相对误差分别为0.57%、0.46%,灰色回归预测模型的精度较高,可以较真实地反映新疆兵团农机总动力的变化趋势。应用该模型进行预测,得到了新疆兵团农机总动力未来5年的预测值。     

农业机械总动力的ARMA和方程法组合预测分析——以青岛市为例

农业机械总动力是反映和评价农业机械化水平的一个重要指标,精准的预测农业机械总动力具有非常重要的意义。本文根据青岛地区1990~2008年的农用机械总动力历史数据的变化形态,找到合适的方程提取确定性趋势,并运用自回归移动平均模型ARMA(p,q)及其建模思路,结合Eviews软件构建了ARMA(1,1)模型。经检验此模型预测精度较高,拟合效果理想,进一步说明了方程法和ARMA组合模型用于对农业机械总动力预测的可行性,可以为相关部门和单位的预测工作提供一定借鉴。     

基于经济效益的农业新型经营主体小麦玉米全程机械化农机配备研究

因山东省旱作灌溉区种植模式多样、技术模式不统一，规模化生产下的机械效能未能充分发挥，存在动力机械与机具配套比低、农机动力与资金浪费问题，在对小麦玉米周年轮作下全程机械化技术模式调研后，总结小麦玉米全程机械化技术路线，构建以作业成本最小为目标的农机装备优化配备模型。通过对平度市某小麦玉米种植合作社进行计算，作业成本较实际情况下降10.9%；总动力优化配备结果为23.712 kW，下降51.36%；农机配套比提高50%。研究结果可为山东省旱作灌溉区小麦玉米全程机械化技术模式优选、农机农艺深度融合、农业合作社的农机配备等方面提供技术参考。     

辽宁省农机总动力组合预测与分析

通过对1994～2004年辽宁省农机总动力历史数据的统计分析,建立了农机总动力发展的组合预测模型,并对农机总动力进行了预测.预测结果表明,组合预测模型优于单一预测模型,使预测精度有了一定的提高,用其对辽宁省农机总动力进行预测更具有合理性.分析预测结果对辽宁省农机发展规划有着重要意义.     

移动装备捷联惯性导航系统误差补偿技术研究

以农用机械或者采矿装备等移动装备为研究对象,采用捷联惯导对移动装备位姿进行检测,基于运动载体振动建立了捷联惯导误差补偿模型。首先,对运动载体的角振动和线振动进行等效处理,推导了基于三子样和四子样的捷联惯导圆锥误差以及划船误差补偿模型;其次,搭建捷联惯导定位平台并在农用机械上进行实验研究;实验结果表明三子样和四子样补偿算法能够提高未补偿算法下的捷联惯导定位精度,且四子样补偿算法下的圆锥误差和划船误差较三子样补偿算法分别提高了29.8%和28.3%。     

基于GWR的新疆农机总动力空间异质性分析

从县域空间尺度出发,利用空间分析方法和地理加权回归模型,研究了2003-2012年新疆县域农机总动力空间聚集特征及其影响因素的空间异质性。结果表明:新疆县域农机总动力存在明显的空间异质性和空间聚集分布模式,空间分布表现出在经向上北疆大、南疆小,纬向上西部大、东部小;总体由天山南北两侧向外递减的趋势,中部为高高聚集区,南部为低低聚集区。近10年来,新疆县域农机总动力存在一定的空间正相关特性,且空间相关性随着时间整体呈现下降趋势。新疆县域农机总动力的影响因素存在明显的空间异质性。新疆西北部区域农机总动力对耕地经营规模比较敏感,西南部区域对政府财政投入比较敏感,而中南部区域对农民收入比较敏感。在不同区域第一产业人数对农机总动力的作用表现出正反两种相关关系,并且负相关关系有南移的趋势。根据农机总动力影响因素的空间分异特征,可以更好地解释分析农业机械总动力的发展变化规律,推动农业机械化事业更加科学、快速发展。     

基于综合评价法的农机装备水平研究及预测

农机装备水平的高低、结构是否合理,将影响农业综合生产能力及现代化大农业的发展。为此,选取农机装备水平中的农业机械总动力、大中型拖拉机、小型拖拉机、大中型拖拉机配套农具、小型拖拉机配套农具、农用排灌动力机械、联合收获机、机动割晒机及农用运输车作为评价农机装备水平的指标,采用熵值法确定各指标权重,再根据综合评价模型计算得出各年度的农机装备水平综合得分情况,对黑龙江垦区农机装备水平进行评价。然后,基于二次曲线,建立回归函数模型,预测未来一段时间内农机装备发展情况。结果表明:在未来黑龙江垦区农机总动力仍将继续增加,大中型拖拉机及其配套农具占据主导地位,小型拖拉机及其配套农具持续减少,垦区农机装备加速换代升级,农机装备结构进一步优化。