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.     

种植业机械化程度与劳动力需求的关系模型

该文提出并探讨了种植业机械化程度与劳动力需求关系问题。其目的旨在发展完善农业机械化理论,为科学估算种植业劳动力数量和农村剩余劳动力数量提供理论参考。该文首先分析指出了用同型号的机组替代种植业劳动力具有线性替代关系,指出了机械化程度具有可分性,并对其进行了证明。在此基础上,建立了种植业机械化程度与劳动力需求关系模型,利用该模型不仅能够计算某一地区目前种植业劳动力需求数量,而且通过对未来各种作物机械化程度和播种面积的预测,也可计算出未来各时刻的种植业劳动力需求数量。最后进行了示例计算。     

物联网在中国现代农业中的应用

近几年来物联网技术受到了人们的广泛关注,笔者介绍了物联网的概念、历史与发展现状,以及物联网在中国农业中的初期应用。分析了物联网研究中的关键技术,包括RFID技术、传感器网络以及智能技术等。将物联网技术应用到农业生产和科研中是现代农业依托新型信息化应用的一大进步,可以改变粗放的农业经营管理方式,提高动植物疫情疫病防控能力,确保农产品质量安全,从而引领现代农业的发展,是物联网与农业领域的一次结合,对现代农业具有一定参考意义。     

哈尔滨市农业综合机械化程度组合预测模型——基于粗糙集

组合预测的主要目的是综合利用各种方法所提供的信息,尽可能地提高预测精度。为此,建立了预测模型与预测对象的关系数据模型,并利用离散化属性数据值来建立知识表达系统和决策表。在此基础上,根据粗糙集理论计算组合预测模型中各单一模型的权系数,将该方法运用到哈尔滨市农业综合机械化程度预测中,从而证明了该方法的可行性和有效性,并可以将此应用到农村剩余劳动力的估算和预测中。