超低等林区公路的年度等值成本分析

本文对南方林区最近出现的超低等林区公路，用单位材积的年度等值成本法进行了经济分析，导出了一套可以用于方案比较与决策的通用公式，举了一个应用实例，并作了敏感性分析。     

新能源的认识与开发

风起云涌的电力建设投资过热现象不断加剧，有专家统计，在未来10年内，我国每年至少将增加2000万kW的火电机组，多消耗12亿吨标准煤。但是煤炭的存储量是有限的，不久的将来，无煤可烧的残酷现实将摆在我们面前。这就迫使我们电力生产者应该把目光投向新能源的认识与开发上来。     

利用农家废弃物自制畜禽饲料

目前，农村养殖户有两大犯愁事，一是饲料紧缺，养殖成本降不下来；二是许多可作饲料的废弃物又没有很好地被利用，造成很大的浪费。若能将这些废弃物收集起来进行合理简单的加工．便能变为畜禽饲料，这样不仅可扩大饲料来源，降低养殖成本，提高经济效益，同时能减少倒运废物的费用，减少环境污染.     

獭兔养殖成本及效益调查报告

对饲养獭兔典型地区仪陇、新津二县的6乡镇、19户养殖户的抽样调查,结果表明四川獭兔养殖户每出栏一只商品獭兔的养殖成本为21.75元,利润为24.04元。为指导四川獭兔生产,推动獭兔产业化进程,增加农民收入,提供了科学决策依据。     

怎样鉴别优劣蛋鸡

在养鸡生产中，要想提高蛋鸡的产蛋率，降低饲料成本，增加养鸡的经济效益，最实用、最有效的措施就是在鸡的育雏期和育成期阶段淘汰发育不良的鸡，并对成年鸡进行产蛋能力的鉴定，从而筛选出低产鸡和停产鸡，并合理地淘汰它们。     

巴西采购洽谈会蕴藏无限商机

2004年2月21-22日,中国饲料工业协会信息中心在北京举办了“饲料畜牧企业紧急应对禽流感疫情高级研讨会”,会后,巴西饲料工业协会与国内有关企业进行了饲料原料采购贸易洽谈。巴方出席此会的是巴西M.CASSAB公司总监AlexandreS.VastoJunior先生。此前他受巴西饲料工业协会会长MarioSergioCutait的委托,已经与中国饲料工业协会信息中心达成协议,将建立长期和稳定的合作关系,这次来华采购是双方合作的第一步。Alexandre先生表示将在中国购买3000万美元动物营养方面的产品,包括饲料添加剂(主要包括氨基酸、维生素、微量元素、酶制剂、抗氧…     

蛋鸡健康养殖与疾病控制——中国蛋种鸡企业首届高层技术论坛集锦：蛋种鸡企业成本控制与提升竞争力

我国蛋种鸡企业正处于禽流感刚刚过去、饲料价格上涨、企业发展前景不明朗和人们普遍比较迷茫这一特殊时期，面对这种状况，中国最大的蛋种鸡企业——华都峪口禽业有限公司、在行业使命的前沿，授危难之际，举办了“中国蛋种鸡提升竞争力、应对危机”首届高层技术论坛活动，邀请行业专家作了蛋鸡管理、疾病控制和现代孵化技术等专题报告，本期从技术层面出发，把部分专家的报告内容摘要展示于读者，希望会带来帮助和启发。     

巧治畜禽寄生虫病

在畜禽饲养实践中，畜禽经常会感染各种各样的寄生虫病，严重影响畜禽的生长和健康。防治这些寄生虫病，采用一些土方法对此加以防治，不但可以取得较好的防治效果，减少污染，降低畜禽体内药残。而且这些土药的来源也非常广泛，经济实惠，也是降低饲养成本，提高畜禽产品质量的有效途径。其具体的是：     

基于NGO-CNN-SVM的高标准农田灌溉工程施工成本预测

为提高高标准农田项目施工成本的预测精度,控制施工成本在合理范围,减少投资风险,该研究从单体灌溉工程施工成本预测角度出发,通过随机森林（random forest,RF）筛选出高标准农田灌溉工程施工成本的关键影响因素,结合卷积神经网络（convolutional neural networks,CNN）和支持向量机（support vector machine,SVM）两种模型的优点,通过北方苍鹰优化算法（northern goshawk optimization,NGO）对模型里的惩罚因子和核参数进行寻优,构建基于NGO-CNN-SVM的施工成本预测模型。通过辽宁省2018—2023年高标准农田工程中灌溉工程的施工成本数据,选取样本决定系数R²、平均绝对误差MAE、平均绝对百分比误差MAPE和均方根误差RMSE作为精度指标进行分析,结果表明：基于NGO-CNN-SVM的施工成本预测模型在渠道工程中MAE低于0.615万元,RMSE低于0.512万元,R²达到0.968以上,相对误差小于4.210%;在进水闸工程中MAE低于0.610万元,RMSE低于0.536万元,R²达到0.966以上,相对误差小于4.410%;在桥涵工程中MAE低于0.494万元,RMSE低于0.477万元,R²达到0.970以上,相对误差小于3.548%,并相比较于反向传播神经网络,CNN和CNN-SVM模型,NGO-CNN-SVM模型的预测结果均最优。通过特征选择、模型融合、算法优化以及不同模型对比表明NGO-CNN-SVM模型具有更高的预测准确率和泛化性,可为高标准农田灌溉工程施工成本预测提供理论依据。