共查询到20条相似文献,搜索用时 312 毫秒
1.
2.
新陈代谢GM(1,1)模型在兵团农机总动力预测中的应用 总被引:1,自引:0,他引:1
借助灰色系统理论,利用兵团农机总动力的历史数据,建立并对比分析了GM(1,1)模型和新陈代谢GM(1,1),对兵团农业机械总动力进行预测,为以后兵团农业机械化的发展提供一定的参考。 相似文献
3.
4.
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。 相似文献
5.
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
6.
7.
黑龙江省农机总动力灰色预测与分析 总被引:1,自引:0,他引:1
借助灰色系统理论,利用黑龙江省农机总动力历史数据,建立子灰色预测GM(1,1)模型,对其农业机械总动力进行了预测,这对黑龙江省农业机械发展现划有着重型意义。 相似文献
8.
9.
10.
11.
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
12.
基于BP神经网络的农机总动力组合预测方法 总被引:5,自引:1,他引:4
鉴于单一预测模型和线性组合预测模型的局限性,在确定黑龙江省农机总动力单一预测模型的基础上,建立了基于BP神经网络的非线性农机总动力组合预测模型。误差分析表明,该非线性组合预测模型的拟合平均绝对百分误差为3.03%,低于一元线性回归模型、指数函数模型、灰色GM(1,1)模型和三次指数平滑模型的6.26%、4.65%、4.88%和3.72%;稍高于以误差平方和最小为原则构建的线性组合预测模型的2.86%。用2006~2008年黑龙江省农机总动力进行检验预测,结果表明该模型可以有效地提高农机总动力的预测精度,用该模型预测了黑龙江省2009~2015年农机总动力。预测结果表明,在未来几年黑龙江省农机总动力将保持快速增长趋势,到 相似文献
13.
14.
灰色一马尔柯夫预测方法能够较好地解决既有趋势性又有较大波动性的数据序列的预测问题,且具有计算简便、精度高的特点.为此,利用该方法对我国农机总动力需求进行了预测分析,为农业机械化发展提供了依据. 相似文献
15.
16.
17.
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
18.
新疆建设兵团农业机械化管理局 《新疆农机化》2009,(1):12-14
<正>12008年兵团农机化工作(1)农机装备的数量、质量以及结构有了新的变化。兵团农机总动力达到312万kW,比上年增长4.34%,大中型拖拉机2.81万台,大中型配套农具 相似文献
19.
应用混沌理论中的饱和关联维数法(G-P)与灰色关联分析法,对黑龙江省农机总动力的影响因素进行量化分析;以黑龙江省农机总动力作为灰色关联的模型输出因子及饱和关联维数法计算的对象,从农业劳动力、土地生产规模、购买农机的经济环境及农机具的装备数量等4个不同的角度出发,选择14个不同的农机总动力影响因素作为灰色关联的输入因子。最终,由饱和关联维数法计算农机总动力的嵌入维数,并与灰色关联法对影响因素进行对比分析,得出了影响黑龙江省农机发展的8个主要影响因素,对主要影响因素进行了深入分析,并根据分析结果提出了促进农业机械化发展的建议。 相似文献
20.
针对农业机械化发展水平各影响因素之间存的在相互影响关系,构建了一种基于指标关联度的模糊GRA-DANP模型,辨识并量化农业机械化发展水平的关键影响因素。基于对现有文献的研究,构建农业机械化发展水平评价指标体系,通过灰色关联分析计算影响因素间的灰色关联度进而构建直接影响矩阵,并运用DEMATEL方法分析影响因素之间的因果关系,计算各影响因素的中心度、原因度并构建因果关系图,引入模糊DANP方法确定各影响因素的全局权重。在此基础上,运用模糊GRA-DANP模型和新疆生产建设兵团客观数据进行实证研究,得知兵团农业机械化发展水平各影响因素之间的因果关系和全局权重,辨识出农业劳均播种面积、第一产业劳动力占总劳动力比重、农业劳动生产率、百元农机原值纯收入及单位播种面积农机动力是兵团农业机械化发展水平的关键影响因素。 相似文献