共查询到20条相似文献,搜索用时 62 毫秒
1.
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.本文采用混沌时间序列的一阶局域模型对新疆农业机械总动力进行了预测.误差分析表明,该一阶局域预测模型拟合值的平均绝对误差为0.64%,低于灰色理论GM(1,1)模型的0.90%,得到了较好的预测效果. 相似文献
2.
3.
农用拖拉机更新政策的探讨宫元娟(沈阳农业大学)当前,农机化事业发展中一个突出的问题就是农业技术装备素质与当前科学技术、经济发展的要求差距大,特别是农机更新和技术改造是建国以来一直没有解决的问题。因此出现大量超过经济寿命的老旧机车在役,使用上“四世同堂... 相似文献
4.
5.
6.
作物产量预测的时间序列神经网络模型 总被引:1,自引:0,他引:1
建立了基于时间序列的动态系统前馈神经网络(DBP)模型,并将该模型用于不同水肥处理条件下水稻产量的预测。该模型克服了传统静态BP模型以某个生育阶段的影响因子的过程值或最终值采建立网络结构的局限性,可以充分利用水稻生长过程中大量的动态采样数据,以便提高模型预测精度。与修正Morgan模型相比,则不需要建立具体的水分生产函数模型,适应性更强。检验表明,DBP模型预测精度较高。同时数据比较表明,DBP模型与传统BP模型及水肥综合修正Morgan模型在水稻产量预测精度方面没有本质差异。 相似文献
7.
8.
9.
10.
在我国改革开放的不断深入及社会主义市场经济快速发展的同时,农业经济也得到了较大的进步,现代农业朝着集约化、机械化及大型化等方向发展。由于目前我国使用农业机械的数量在不断地增多,所以对农业机械的保养与维护是值得我们深思的。 相似文献
11.
基于模糊补偿的离散全局滑模控制自动导航系统研究 总被引:1,自引:0,他引:1
阐述了一种基于模糊补偿的离散全局滑模导航控制方法。为了提高农用车辆自动导航的精度和稳定性,引入滑模变结构控制方法,并对其进行了改进。为了降低系统的抖振,采用模糊规则,对补偿控制量进行有效的估计,以消除不确定项的影响。仿真实验表明:该方法优于传统的离散的滑模控制,在理论上是可行的。 相似文献
12.
降雨时间序列分解预测模型及应用 总被引:4,自引:0,他引:4
为了对随机型时间序列进行预测,在分析其性质的基础上,提出了将其分解为趋势项、周期项和平稳随机项,建立时间序列分解预测模型,分别对趋势项和周期项进行检验和提取,利用自回归模型人工合成新的序列对平稳随机项进行模拟和预测。将该模型应用于降雨量预测,取得良好效果,表明了该模型的有效性和适用性。 相似文献
13.
14.
面向绿熟番茄采后持续转熟特征,适时调温是满足不同成熟度番茄适宜贮运温度需求的关键,而果实成熟度自动识别与动态预测则是实现温度适时调控的基础条件。本文基于Swin Transformer与改进GRU提出了一种番茄成熟度识别与时序动态预测模型,首先通过融合番茄两侧图像获取番茄表观全局红色总占比,构建不同成熟番茄图像数据集,并基于迁移学习优化Swin Transformer模型初始权重配置,实现番茄成熟度分类识别;其次,周期性采集不同储藏温度(4、9、14℃)下番茄图像数据,结合番茄初始颜色特征与贮藏环境信息,构建基于Swin Transformer与GRU的番茄成熟度时序预测模型,并融合时间注意力模块优化模型预测精度;最后,对比分析不同模型预测结果,验证本研究所提模型的准确性与优越性。结果表明,番茄成熟度正确识别率为95.783%,相比VGG16、AlexNet、ResNet50模型,模型正确识别率分别提升2.83%、3.35%、12.34%。番茄成熟度时序预测均方误差(MSE)为0.225,相比原始GRU、LSTM、BiGRU模型MSE最高降低29.46%。本研究为兼顾番茄成熟度实现贮藏温度柔性适时调控提供了关键理论基础。 相似文献
15.
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%。 相似文献
16.
针对温室小型农机对地面平整度敏感,微小的地面起伏便会造成机具俯仰的情况,基于课题组已开发的温室电动拖拉机,将基于时间序列分析的角度预测方法引入前馈PID控制(Angle prediction and feedforward PID,APF-PID),解决了温室旋耕作业中因机具俯仰而出现的响应性差、耕深不稳定和功率突变的问题。建立了温室电动拖拉机旋耕作业的功率模型,并建立了俯仰角-耕深的转换矩阵,得到了旋耕系统实际耕深的转换值;采用时间序列分析预测机身俯仰角,并作为旋耕系统的扰动输入;结合耕深的转换值和预测得到的扰动,采用APF-PID控制器调节旋耕系统的提升机构,将旋耕机维持在目标耕深;在温室内未旋耕和已旋耕的两种地块进行实车试验。结果表明:俯仰角时序预测模型的相关系数可达0.983 2;APF-PID控制的控制性能优于PID控制,在目标耕深6 cm的测试路面中,APF-PID在两种试验地块上的平均耕深分别为6.47 cm和6.44 cm,均方根误差为0.80 cm和0.72 cm,绝对平均误差为0.67 cm和0.58 cm,耕深稳定性系数为89.95%和91.30%,消耗的总能量较... 相似文献
17.
基于 NARX 神经网络的农产品价格时间序列预测方法研究 总被引:1,自引:0,他引:1
针对传统时间序列预测方法在非线性时间序列预测上的不足,引入了非线性有源自回归神经网络( NARX ),建立了基于非线性有源自回归神经网络农产品价格时间序列预测模型。该模型利用核函数对农产品价格时间序列进行数据变换;再用统计分析方法对模型性能进行评价、分析,进而对模型性能进行优化。实验结果表明:非线性有源自回归神经网络较传统时间序列预测模型,对非线性时间序列预测有更好的适应性和更高的预测精度。 相似文献
18.
农业机械总动力及其影响因素的时间序列分析——以江苏省为例 总被引:5,自引:0,他引:5
对一个地区的农业机械总动力及其影响因素进行分析可为当地农业机械化发展目标的制定提供可靠依据。本文采集了江苏省1989~2006年的相关数据,对江苏省农业机械总动力及其影响因素进行了相关性分析分析,并用自相关时间序列回归分析方法建立了模型。结果表明,影响农业机械总动力的6个关键因素的相关性排序为:农村剩余劳动力转移率、农村居民家庭人均纯收入、粮食播种面积、政府的财政投入、农民受教育程度和粮食单产,它们与农业机械总动力的相关系数分别为0.9396、0.9384、0.8924、-0.8778、0.8671和0.7224,并得出了较高精度的农业机械总动力的自相关时间序列回归模型(R2=0.998),模型预测结果的平均偏差为0.68%。 相似文献
19.
考虑自变及因变影响的农机总动力组合预测模型 总被引:2,自引:0,他引:2
为能获得精确预测农机总动力的方法,以灰色模型和多元线性回归模型为子模型,应用Shapley值法计算子模型权重系数,构建农机总动力组合预测模型。应用我国2000-2010年农机总动力数据,分别标定上述模型相关参数,并计算各模型年度相对误差和平均相对误差。其中,GM模型和多元线性回归模型的平均相对误差分别为0.68%和0.91%,组合预测模型的平均相对误差为0.59%,精度较高。同时,组合模型既能够反映数据自身变化规律的特征,又能定量反映农机总动力与其相关影响因数间的数理关系,具有较强的适用性。 相似文献