基于BP神经网络的农业机械化作业水平预测

我国农业机械化作业水平的发展变化具有增长性和波动性,对预测的方法要求较高。鉴于单一预测模型的局限性,在确定我国农业机械化作业水平各单一预测模型的基础上,建立了基于BP神经网络的农业机械化作业水平非线性组合预测模型,并对我国农业机械化作业水平进行预测。误差分析表明,该模型可以有效地提高农业机械化作业水平的预测精度,用该模型对我国2012-2020年农业机械化耕、播、收作业水平进行了预测。预测结果表明,在未来几年我国农业机械化作业水平将保持快速增长趋势,到2020年机耕、机播和机收作业水平分别为91.37%、66.77%和71.93%。     

浅谈影响我国现阶段农业机械化作业水平的五大因素

农业机械化作业水平是衡量农业现代化发展速度的重要标志之一.目前我国农业机械化作业水平比较低,与发达国家相比还有很大差距.究其原因,我认为有5大因素在影响着我国现阶段农业机械化作业水平的提高.     

浙江省农业机械化作业水平的统计分析

掌握和分析农业机械化作业情况是编制农业机械化发展规划,研究农业机械化发展等农机管理工作的基础。由于受农机化统计资料的限制,目前在考察农机化发展水平时,主要局限于计算或测算种植业的耕、种、收综合机械化水平。如何科学、准确地测算一个地区的农业机械化作业水平,对于各级领导了解农业机械化发展情况,     

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。     

基于GA-BP神经网络的农业机械化综合水平预测模型

根据1986-2013年我国农业机械化综合水平的统计数据,建立了基于GA-BP神经网络的农业机械化综合水平预测模型。通过对1992-2011年农业机械化综合水平实际值与训练输出值的对比分析,表明该预测模型具有较好的拟合精度;采用该模型对2012年和2013年的农业机械化综合水平进行预测,进一步验证了模型的可靠性。运用该预测模型对2014-2018年的农业机械化综合水平进行预测,结果表明:在2014年我国农业机械化综合水平为61.97%,与我国农业部公布的2014年农业机械化综合水平将超过61%基本相符,2018年我国农业机械化综合水平将达到70%左右。     

浙江省农业机械化作业水平的统计分析

掌握和分析农业机械化作业情况是编制农业机械化发展规划,研究农业机械化发展等农机管理工作的基础。由于受农机化统计资料的限制,目前在考察农机化发展水平时,主要局限于计算或测算种植业的耕、种、收综     

基于灰色GM(1,1)的农业机械化水平预测模型

根据1986～2005年我国农业机械化综合水平统计数据,并对由于我国耕地面积统计滞后使得在机耕水平计算中存在误差进行了合理分析和修正,结合数据平滑处理,建立了基于灰色GM(1,1)的我国农业机械化综合水平预测模型.通过残差检验和后验差检验方法对预测结果进行了检验,模型拟合精度较好.采用模型对2006年我国农业机械化综合水平值进行预测,结果表现出较高的预测精度,进一步验证了所建模型的可行性.运用该模型对我国2007～2020年间农业机械化综合水平进行预测,结果表明到2020年我国综合机械化水平将达到68%左右.通过定性分析及与其他预测结果比较,模型表现出较好的预测能力.     

我国农业机械化水平有望突破40％

本刊讯10月26日,在第七届中国农机论坛暨第五届亚洲农机峰会上,农业部有关领导就当前中国农业机械化发展的基本形势、面临机遇和发展的基本方向等问题     

我国农业机械化装备水平分析

农业机械化是农业现代化的重要标志,也是农业综合生产能力的重要组成部分,没有农业的机械化就没有农业的现代化.农业机械化装备主要包括大中型拖拉机、小型拖拉机及其配套农具.根据我国1990-2005年的历史数据,分析了我国农业机械化装备技术水平,得出我国农业机械化装备技术总体水平不高、需要进一步加大投入力度的结论,这对我国未来农业机械化装备的发展趋势和努力方向具有重要意义.     

杭州市农业机械化发展水平总体评价的研究

根据2000-2010年杭州市农业机械化统计数据,利用国内现有的农业机械化发展水平评价方法,测算了杭州市在此期间各年度的农业机械化发展水平。计算结果表明,目前杭州市处于农业机械化发展中级阶段,且“十一五”农机化发展速度较“十五”有了较大提高。在此基础上。提出了加快杭州市农业机械化发展的相关措施与建议。     

提高农业机械化水平促进农业产业化发展

本文从农业机械化和农业产业化的内涵和相互关系出发，提出拓宽农业机械化与开发领域，提高农业机械化装备和服务水平，促进农业产业化与农业机械化协调发展，实现农业和农村经济工作全面进步。     

又好又快地提高我国农业机械化水平

分析现阶段我国农业机械化发展及阶段性特征,提出提高农业机械化水平的主要措施。     

县级农机校的现状及发展思考

农机教育事业是农机化事业的重要组成部分。简述农业机械化学校的发展现状,分析新形势下农机校生存及进一步发展所面临的问题,并针对这些制约因素提出农机校未来发展的思路,以期将农机校发展壮大,更好地为农业机械化事业服务。     

农业机械化水平与贡献率的区别研究

农业机械化水平与贡献率是评价农业机械化在农业生产中地位和作用的两个关键性的定量指标。为此,从理论上对两者加以详细地阐明,并采用定性与定量分析相结合的方法对两者进行比较。从分析结果看,两者既有相似点又有不同点,且相互促进、相互补充。因此,在全面评价反映农机化在农业生产中的作用时,应综合考虑两者的共同影响,这对促进我国农机化事业的健康发展具有重要的意义。     

基于BP神经网络的农业机械化水平预测

从使用神经网络模型对农业机械化水平的模拟结果来看,模型具有较高的精度,使用该模型对农机化水平进行预测,预测值和实测值也具有较好的线性拟合关系。为此,利用该模型对未来或当前的农机化水平进行了预测。该模型具有较高的精度,预测值和实测值也具有较好的线性拟合关系;但模型的泛化能力会受到数据采集条件制约。     

金华市农业机械化发展水平评价

为促进金华市农业机械化发展,根据现有农业机械化水平评价方法,建立了金华市农业机械化水平评价指标体系,并确定了各指标的权重.在此基础上,利用1996-2006年金华市有关农业机械化统计数据,计算出金华市历年农业机械化水平,同时分析了影响当地农业机械化发展的因素.最后,结合金华市实际,提出了促进金华市农业机械化水平提高的措施与建议.     

基于ANP的农业机械化水平评价指标权重优化

通过对层次分析法AHP和网络层次分析法ANP的比较和理论说明,引入网络层次分析法来改进农业机械化水平评价指标权重.分析结果表明:管理模式与农机作业协调程度权重提高了28.57%,农村劳动力平均受教育年数、农机工业的年技术进步速度和种植业劳动力占农村劳动力的比重等要素的权重也有所提高.