基于Q-RBF神经网络模型的国产大豆价格预测研究

大豆是重要的经济作物,同时也是我国市场化和国际化程度最高的大宗农产品,对其价格进行预测具有重要意义。采用Q-RBF神经网络模型对国产大豆价格进行预测,该模型具有如下两个特点:(1)通过分位数回归功能来描述大豆在不同价格水平下的分布特征;(2)通过RBF神经网络结构来刻画大豆价格的非线性关系。在模型参数优化时,由于遗传算法是一种全局搜索优化方法,但是搜索速度慢、对初始值具有一定依赖性;而梯度下降法具有收敛快,对初始值没有特定要求等优点,所以本文提出遗传算法与梯度下降法相结合的混合改进算法,其基本思想是利用梯度下降法的局部寻优能力加快遗传算法的收敛速度。采用2010年1月-2015年12月的国产大豆月度价格数据进行预测研究,结果表明,算法收敛速度较快,模型预测精度较高,是可以泛化应用的预测模型。     

改进RBF神经网络在我国大豆价格预测中的应用研究

我国大豆价格受国内外多种因素共同影响,具有非线性、随机性和高噪音等特点,采用传统数学模型进行预测,不仅分析难度大,预测误差也很大。RBF神经网络以其优良的逼近性能而被广泛应用于非线性时间序列预测之中。本文提出一种基于遗传算法优化RBF神经网络的我国大豆价格预测模型,该模型为多维输入单维输出的多变量预测模型,模型的初始输入由大豆价格的历史数据和相关影响因素数据组成。采用遗传算法对RBF神经网络输入层节点数、基函数中心、扩展常数和输出层权值进行优化,模型可以从初始输入变量中自主选择最合适的输入变量组合作为模型的输入。采用2009-2014年的大豆价格数据进行预测研究,用2009-2013年的数据作为训练集,2014年的数据作为测试集,改进RBF神经网络通过自主识别和选取中国大豆进口量、中国消费者信心指数和进口大豆到港分销价格3个因素作为相关影响因素的输入。结果表明:模型预测精度较高、泛化能力较强,能够很好捕捉大豆价格变化规律,可为大豆市场价格的准确预报提供参考借鉴。     

基于系统动力学的我国大豆价格预测分析

大豆是我国传统的农作物,同时也是我国市场需求量较高的大宗农产品。合理地预测大豆价格对我国大豆市场具有重要的经济价值和现实意义。本文将大豆价格及其影响因素定义为非线性、高噪音、波动大的非时变系统,利用系统动力学的理论,绘制因果关系图研究大豆供给、需求、价格因素之间的因果反馈关系,并构造出一个系统动力学模型。系统模拟了人口因素、经济因素、大豆供给量、大豆消费量、其它油料作物价格等因素对大豆价格的影响,采用2006-2016年的大豆价格年度数据进行了仿真和实证,进而对2017-2020年的我国大豆价格年度数据进行预测。结果证明该模型具备有效的预测能力,预测精度较高。因具备系统动力学的特征,研究更加侧重反应大豆价格的未来趋势,进而为大豆从业者和我国农业经济政策提供参考。     

基于改进GM(1,N)模型的我国大豆价格影响因素分析及预测研究

大豆是我国重要的粮食作物和油料作物,其价格对于国民经济尤其是农业经济的影响意义深远。大豆价格的稳定对于我国大豆市场的健康发展有着重要的现实意义。在灰色理论的基础上,提出了一种改进GM(1,N)大豆价格预测模型,首先运用灰色关联分析法对我国大豆价格的影响因素进行分析,选择主要的影响因素;再将这些影响因素作为模型的相关因素变量,构建GM(1,N)大豆价格预测模型。采用2010-2015年的大豆数据进行实证研究,模型选取国内大豆自给量、世界大豆产量、国民消费价格指数、消费者信心指数4个变量作为相关因素变量;模型预测误差为2.10%,预测精度较高,能够较好地掌握大豆价格的变化规律,可以为大豆价格市场预测及国家宏观政策的制定提供理论指导。     

基于PSO-SVR模型的小麦赤霉病病穗率预测方法

为探寻小麦赤霉病病穗率预测方法，基于滁州市2005-2020年小麦赤霉病病穗率资料和对应气象资料，运用相关性及灰色关联分析法(GRA)确定小麦赤霉病主要气象影响因子并作为支持向量回归(SVR)模型的输入向量，再利用粒子群算法(PSO)优化SVR模型的惩罚因子C和核函数参数g,建立基于粒子群算法优化的小麦赤霉病预测支持向量回归模型。同时针对本地不同小麦品种，构建PSO-SVR-SOUTH和PSO-SVR-NORTH的PSO-SVR分模型，应用3种模型对滁州地区小麦赤霉病病穗率进行预测。结果表明，拔节期至灌浆期是影响滁州小麦赤霉病的重要时段，各生育时期内降水量、雨日数、湿度、日照等气象因子与赤霉病有高关联；PSO-SVR赤霉病病穗率预测模型的起报时间越接近灌浆期，其预测精度越高，测试样本的预测值与实测值相关系数最高达0.68,均方根误差最小为9.55%;按照不同小麦品种构建的PSO-SVR-SOUTH和PSO-SVR-NORTH模型的预测效果要优于原PSO-SVR模型，其中最迟起报时间的PSO-SVR-SOUTH和PSO-SVR-NORTH模型的平均绝对误差分别较原PSO-SVR模型减少了...     

基于改进GM(1,1)模型的中国大豆价格预测

中国大豆产业是国家基础性产业之一,国内外大豆市场对大豆价格波动影响极大,对中国大豆波动情况加以研究具有重要的意义。在分析GM(1,1)模型有效性的基础上,讨论了其在农产品预测的可行性,从而采用改进GM(1,1)模型用1990-2014年中国大豆价格预测2015-2017年中国大豆价格分别为4.40,4.57和4.74元·kg-1,在本试验中改进GM(1,1)模型并没有对原始序列进行累加操作,说明原始序列具备准指数规律。检验结果表明后验差比值小于0.5和小误差概率大于0.8,说明采用灰色预测对此数据加以预测合格。2015年价格低于2015年东北三省和内蒙古大豆价格目标价格,说明中国大豆仍处于低迷状态,会导致中国大豆种植面积及农民种植意愿继续降低。据此给出对策与建议,一是继续提高大豆种植补贴和大豆目标价格;二是加大地方大豆产业的政策性扶持,尤其是非转基因大豆产业的扶持,保持国内大豆产业健康发展;三是提高大豆行业与豆农的组织化程度。     

基于符号回归的国产大豆价格影响因素分析

大豆作为我国重要的粮食作物与油料来源,其价格对居民生活以及农业经济具有重要影响。大豆价格影响因素分析对调控大豆价格、稳定大豆市场有重大意义。在定性分析基础上,采用符号回归法对大豆价格的影响因素进行分析。结果表明:货币供应量与进口大豆到港分销价格对大豆价格影响最大,其次为世界大豆产量与国内需求量,之后是国内大豆自给量与大豆进口量,居民消费价格指数与消费者信心指数影响最小。最后,根据分析结果对国内大豆市场调控提出指导意见。     

中国大豆2021—2025年消费量和生产量预测分析

中国是世界上大豆消费量和进口量最大的国家，为了较为准确地预测我国大豆未来的消费量和生产量，维护我国大豆供给安全，本研究提出Grey-Markov大豆消费量预测模型，采用GM(1, 1)模型和Grey-Markov模型对2017—2020年我国大豆消费量进行拟合，并利用其中预测精度较高的模型预测我国2021—2025年的大豆消费量和生产量。结果表明：Grey-Markov模型预测精度较高，利用该模型的进一步预测结果表明，2017—2020年我国大豆供给量与需求量之间的缺口分别为10.37,10.87,11.40,11.95和12.53亿t, 2021—2025年我国大豆生产量和消费量年增长率将分别为6.06%和5.01%。最后，根据预测数据提出建议：我国应力争实现大豆进口多元化、大力发展国内大豆产业，以提高粮食安全性。     

中国大豆产业加入WTO后应采取的对策

随着中美关于中国加入ＷＴＯ(世界贸易组织简称 )问题双边协议的签订 ,中国加入ＷＴＯ在即。加入ＷＴＯ后 ,从短期看 ,会对我国大豆产业产生冲击影响。这种影响是 ,国外大豆大量涌入 ,因其质高价低 ,其中尤为价格下调空间较大。我们大豆目前在质量上还不能与之抗衡 ,加上尽管近年来我省大豆保护价已连续几次下调 ,但目前国内市场大豆价格仍高于进口大豆价格 ,造成我们大豆在国内外大豆激烈竞争 ,这将直接影响我们大豆生产、出口、和农民种植大豆的积极性。加入ＷＴＯ后 ,也改变了现有大豆在国内流通格局 ,以“南进北出”为特征的大豆流通格…     

中国大豆进口及压榨产业链的非对称价格传导研究

目前,进口大豆量占我国大豆消费量的88%左右,进口大豆基本都用于压榨豆油和豆粕,为进一步规避大豆市场价格波动风险、维护粮食安全,本研究应用APT-ECM模型,研究中国大豆进口及压榨产业链的非对称传导现,发现它们之间存在明显的非对称价格传导特点:中国大豆价格对来自国际大豆价格"正向冲击"的反应幅度大于"负向冲击",说明国内大豆进口企业的议价能力弱;中国豆油、豆粕价格对来自大豆价格的"负向冲击"的反应幅度大于"正向冲击",说明大豆压榨企业的议价能力强,能更快速将成本压力传递给下游的豆油、豆粕购买者。因此价格调控措施在实施时机、力度与节奏方面应该有所不同,需要培育中国大型大豆经营主体,建立多元化的进口大豆采购渠道,增强对国际大豆价格的定价权。     

基于无人机多光谱遥感的冬小麦叶片含水量反演

为了快速监测小麦叶片水分含量,以敏感波段组和植被指数组2种变量分别作为输入变量,以地面同步观测的冬小麦叶片含水量作为输出变量,分别采用偏最小二乘(partial least squares, PLS)、极限学习机(extreme learning machine, ELM)和粒子群算法(particle swarm optimization, PSO)优化极限学习机,建立冬小麦叶片含水量预测模型,并对其反演效果进行比较。结果表明,光谱反射率和植被指数与叶片含水量之间存在较为密切的相关性,依此确定的敏感光谱波段为红光、蓝光和近红外波段,敏感植被指数为绿度指数、过红指数、归一化绿红差值指数、三角形植被指数和过绿指数。从2种变量的建模效果看,基于植被指数组构建的模型的精度和稳定性均优于敏感波段组,其中基于植被指数组的PSO-ELM模型在6个叶片水分含量反演模型中表现最佳,其r²和RMSE分别为0.98和0.26%。利用最优模型反演得到研究区冬小麦叶片含水量的分布范围为45%～75%,平均为64.57%,反演结果与地面实测较相符,说明基于无人机光谱数据通过建立以植被指数为...     

大豆市场情绪、期货现货价格的相关性研究

运用MSIH(3)-VAR(3)模型,选取2014年7月-2017年6月的周度数据,从非线性的角度实证检验了市场情绪、大豆一号期货价格和现货价格间的均值溢出关系。研究发现:(1)大豆一号期货价格与市场情绪之间相互产生正向响应,而现货价格与市场情绪之间产生负向效应;(2)大豆一号现货价格和期货价格间存在均值溢出效应,这表明大豆一号期货价格具有价格发现功能;(3)市场情绪是大豆一号期货价格和现货价格发生关系的中间因素。最后,根据本文结论提出了相关建议。     

大豆主导品种、主推技术及其推广应用

2005年以来,农业部连续4年开展了大宗农产品主导品种、主推技术推介工作。4年间,共推介大豆主导品种22个、大豆综合配套栽培技术4项。主导品种和主推技术的推介,加快了新品种、新技术的推广速度,充分展现了科技对粮食增产、农业增效和农民增收的支撑作用。介绍了农业部推介大豆主导品种的类型、适宜区域和在生产中的比重和作用,分析了主推技术的要点和增产效益,比较了大豆主要品种与水稻、小麦、玉米、棉花、油菜等大田主要品种覆盖比例的大小。从主要品种占全国总播种面积的比例看,六大作物品种区域适应能力排序为：玉米〉小麦〉棉花〉大豆〉油菜〉水稻。作者提出,在今后的大豆育种工作中,应重点加强品种适应性的改良;在主导品种推介中,应适当增加大豆、水稻等光温敏感、区域性强、适应范围窄等作物的主导品种数目。     

基于混沌万有引力算法对APSIM模型中旱地春小麦产量形成参数的优化

为了解决APSIM模型中春小麦产量形成参数本土化率定过程中所面临的耗时长、精度差、效率低等问题,采用混沌万有引力（chaotic gravitational search algorithm,CGSA）算法,基于1971-2014和2018-2021年甘肃省定西市统计年鉴中的产量数据以及2015-2017年定西市安定区凤翔镇安家沟村的大田试验数据、1971-2021年定西市安定区的产量和气象资料,对春小麦产量形成参数进行优化。结果表明,采用CGSA优化参数后,均方根误差（RMSE）、归一化均方根误差（NRMSE）和模型有效性指数（ME）的平均值分别为22.98 kg·hm^-2、1.393%和0.995,说明模型在甘肃省定西市春小麦产量的评估中表现出较好的适应性。此外,CGSA具有较好的全局寻优性能和较快的收敛性,为APSIM模型的参数优化提供了一种高效、精准的方法。     

供给侧改革与黑龙江大豆产业发展研究

黑龙江省是中国最大优质非转基因大豆主产区,年产量占全国的1/2左右。近年来黑龙江大豆产业陷入种植面积连年减少、产量大幅下降,产业逐渐萎缩的困境。大豆产业安全与否,事关中国农业物种、农业耕地及国民食品三大安全问题。《黑龙江省2016年国民经济和社会发展计划执行情况与2017年国民经济和社会发展计划草案的报告》提出:"扩大水稻、大豆种植,减少玉米种植的种植业结构调整方针",这是贯彻中央政府"供给侧结构性改革"的实践版。搞好黑龙江农业供给侧结构改革,促进非转基因大豆民族产业发展,关系到黑龙江省农业现代化建设与安全。自国家提出农业供给侧结构改革后,黑龙江省政府及各级政府的农业管理部门纷纷采取措施鼓励农民缩减玉米种植,扩大大豆、水稻种植面积,使黑龙江省大豆种植面积大幅下滑趋势得到遏制,2016年大豆播种面积为312.5万hm~2,比2015年增加72.4万hm~2,增长30.2%,但仍未得到根本性扭转。为此,建议应采取制定大豆产业振兴规划,确保我省大豆产量、质量和种植面积;出台优惠政策,鼓励豆农种豆积极性;延长精深加工产业链条,提升我省大豆产业整体效益;调整贸易政策,确保我省大豆产业发展空间等措施,以此确保我省大豆产业安全、振兴。     

Engineering design of woven fabrics using non-traditional optimization methods: A comparative study

This work aims to design woven fabrics with desired quality at optimum manufacturing cost by choice of suitable weaving parameters such as count, crimp and thread spacing of warp and weft yarns. To fulfill this goal, we endeavor to devise search based non-traditional optimization methods such as genetic algorithm, particle swarm optimization and simulated annealing for efficiently finding the appropriate combination of weave parameters. The quick response capability of the non-traditional optimization methods would benefit the fabric manufacturers for efficient determination of the required weaving parameters to produce the engineered fabrics. The experimental validation confirms that the particle swarm optimization is most suitable technique for engineering design of woven fabrics.     

山东省棉农种棉意愿及其影响因素分析

山东是我国传统棉花种植大省,在种植棉花方面具有区域比较优势,但自2010年以来,山东省棉农种植意愿不高,棉花播种面积持续下降。本文以鲁北、鲁西北、鲁西南地区170份棉农调查数据为基础,利用二元Logistic模型从棉农个人基本特征、棉农家庭基本特征、棉花生产经营特征和外部环境四个方面分析影响棉农棉花种植意愿的相关因素。研究表明:棉农种植意愿受年龄、文化程度、家庭承包经营权、人工成本比例、单位面积总投入和植棉劳动力人均收入六个因素显著影响。为此需要完善目标价格政策、健全棉花农业保险、倡导棉花种植规模效益、实行机械化生产以降低劳动强度,提高棉农种植意愿,推动山东省棉花产业的持续健康发展。     

Potential biodiesel markets and their economic effects on the agricultural sector of the United States

This analysis estimates potential US biodiesel demand in three specific markets that the US biodiesel industry has identified as likely candidates for commercialization: federal fleets, mining, and marine/estuary areas. If a 20% biodiesel blend becomes a competitive alternative fuel in the future, these markets could demand as much as 379 Ml of biodiesel. The Food and Agricultural Policy Simulator, an econometric model of US agriculture, was used to estimate the impacts of 76, 189, and 379 Ml of soybean-oil-based biodiesel production on the agricultural sector of the United States. The results indicate that the increased demand for soybean oil would increase US soybean oil price by as much as 14.1%. Corresponding to this price change, US soybean price would rise 2.0% and soybean meal price would fall by 3.3%. US net farm income would increase by as much as 0.3%.