流通行业分销商逐步向综合服务商转型——对中国化肥流通行业转型中的思考

<正>中国传统小农经济在政府推动下逐步向规模农业过渡,农资行业上下游也处于快速调整过程中。在化肥市场处于供大于求的背景之下,虽然行业整体利润率比较低,却是流通行业发展壮大的战略机会。其他成熟行业的经验告诉我们,在市场初步放开并经过一段时间的恶性竞争之后,行业必将进入市场优化期,行业整合期是打造优秀品牌的最佳时期和最关键时机。随着工厂集中度逐步提高,规模农业逐步推进,化肥流通行业将逐步由单一分销商向综合服务商转型。     

搭建农资综合服务平台——关于化肥流通企业发展思路的探讨

<正>化肥行业经过近十年的高速发展,产需格局已经发生了根本性转变,除钾肥外,我国其他品种的化肥均呈现出严重供大于求的局面,出口受阻又加剧了供求矛盾。供求失衡使行业又一次步入调整周期。受国际金融危机影响,加上行业周期性低谷,今年上半年化肥需求大幅萎缩,前几年化肥产能增加、价格持续上涨积累的风险集中释放,国内化肥市场面临激烈     

浅谈推动反窃电工作的持续深入

中国南方电网有限公司董事长孟振平在《南网知行》发表署名文章《大力加强执行力建设》,认为大力加强公司的执行力建设,是公司党组共识。对于基层而言,执行力就是主动和创造性地持续开展工作的能力,本文从梅州兴宁供电局2019年来如火如荼的反窃电工作回顾,总结把工作持续推向深入的精益实践、执行力建设经验做法。     

基于Spark的WOA-BP水稻产量预测

目的 随着大数据技术和人工智能的快速发展,针对当前水稻产量预测模型精度低、预测区域范围过大、模型优化时间过长等问题,本文提出一种基于Spark的鲸鱼优化算法-反向传播神经网络(Whale optimization algorithm-backpropagation,WOA-BP)水稻产量预测方法。方法 本文以广东省西部地区的县/市/区水稻产量及气象数据作为研究对象,采用WOA对BP网络的权值和偏置值进行优化,并构建水稻产量预测模型,提升预测精度;此外,在Spark框架下,实现WOA-BP算法并行化,减少算法时间开销。结果 模型精度方面,通过对预测结果进行反归一化后比较,经WOA优化后的BP神经网络模型,平均绝对百分比误差 (Mean absolute percentage error) 从8.354%降至7.068%,平均绝对误差 (Mean absolute error) 从31.320 kg降至26.982 kg,均方根误差 (Root mean square error) 从41.008 kg降至33.546 kg;运行时间方面,3节点Spark集群比非Spark模式减少了11 742 s,减少44%的时间开销。结论 基于Spark的WOA-BP水稻产量预测方法,能够较好地预测出广东西部县/市/区的水稻产量,同时可以很好地反映气象因素对广东省西部地区水稻产量的影响情况,对研究广东西部县/市/区乃至整个广东的水稻产量情况具有一定的参考价值。