共查询到20条相似文献，搜索用时 218 毫秒
1.
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。 相似文献
2.
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。 相似文献
3.
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%。 相似文献
4.
为探究不同组合模型对我国农业机械化作业水平预测的影响,以我国农业机械化作业水平时间序列为研究对象,以2001-2012年历史数据作为训练样本,分别选择指数曲线法、三次指数平滑法及灰色预测法构建单项预测模型,并基于单项模型的预测结果,选择误差平方和最小法、Shapley法和IOWGA法构建组合预测模型,对2013-2015年农业机械化作业水平进行预测。预测结果的对比分析表明:组合模型的预测精度从高到低分别为IOWGA组合模型、基于误差平方和最小法组合模型及Shapley组合模型。IOWGA组合预测模型充分汇集了各单项预测模型中的有效信息,且根据预测精度的大小赋予不同的权值,具备更好的预测效果和稳定性,相对误差可控制在1%,可用于我国农业机械化作业水平预测。 相似文献
5.
在讨论我国农业机械化发展的内在机制以及与城镇化关系的基础上,运用协整分析方法建立时间序列数据模型,经过格兰杰因果关系检验,验证农业机械化与城镇化之间的长期稳定关系,进一步建立误差修正模型探讨这种稳定关系在长期内与短期内的动态变化特征,并预测我国2020年农业机械化发展水平。结果表明,在长期内,城镇化率增加一个单位农业机械化水平将提高1.09个单位。但是,农业机械化对当期城镇化的推进反应是滞后的,而是反映在长期趋势上。预测显示,2020年我国农业机械化水平将达到67.45%。 相似文献
6.
7.
我国农业机械化发展水平评价指标体系构建与实证分析 总被引：4，自引：0，他引：4
我国农业机械化发展水平评价指标体系是由农业机械化装备水平、农业机械化作业水平、农业机械化系统体系3个层面所构建的,通过相关分析确定了各级评价指标的权重系数,建立了农业机械化发展水平综合评价模型,对2002年我国各地区农业机械化发展水平进行了测算与评价。 相似文献
8.
我国农业机械化发展水平评价指标体系是由农业机械化装备水平、农业机械化作业水平、农业机械化系统体系3个层面所构建的，通过相关分析确定了各级评价指标的权重系数，建立了农业机械化发展水平综合评价模型，对2002年我国各地区农业机械化发展水平进行了测算与评价。 相似文献
9.
中国农业机械化财政投入分析 总被引：14，自引：1，他引：14
针对实现我国2020年国内生产总值比2000年翻两番目标对农业机械化的需求，研究了农业机械化水平与农业机械净值、农业机械化投入之间的关系，以及政府财政投入对农业机械化投入的带动作用；对实现2020年我国农业机械化水平达到65％的目标所需的财政投入进行了测算，分析了财政投入的可行性。 相似文献
10.
研究农业机械化发展的金融支持路径选择,对主要金融路径支持农业机械化发展的作用机制和发展状况进行阐述。通过我国31省(区、市)2014—2018年的省际面板数据,分别对全国及东中西部进行协整检验、F检验和Hausman检验,实证分析农业信贷、农业保险、财政支农对农业机械化水平的影响。发现三种金融支持农业机械化发展的路径在各地区的支持效果不尽相同,从全国层面来看,农业信贷对农业机械化水平回归结果的系数显著,支持效果最明显;财政支农对农机化发展的支持位于第二位;而农业保险的系数较小,说明其对于农业机械化发展的促进作用一般。在分地区的检验结果中,得到的结论是农业信贷在各地区都起良好的作用,其中农业保险在中西部支持效果较好,财政支农在中部的支持作用较其他地区明显。最后提出金融支持农机化发展的路径。 相似文献
11.
为了研究Markov-灰色残差GM(1,1)模型预测水泥固化砒砂岩抗压强度的精准度和适用性,先对抗压强度数据进行了一系列的处理,建立灰色GM(1,1)模型和灰色残差GM(1,1)模型,然后基于马尔克夫过程构建Markov-灰色残差GM(1,1)模型,并以此模型来估算水泥固化砒砂岩的抗压强度.结果表明,灰色残差GM(1,1)模型的检验精度得到了很大的提升且各项检验指标基本上都达到了1级,明显优于灰色GM(1,1)模型.马尔克夫过程便于确定残差修正值的正、负号,采用Markov-灰色残差GM(1,1)模型对不同水泥掺量下90 d龄期的水泥固化砒砂岩的抗压强度进行了预测,相对误差由原来的1.77%~4.01%降低至0.60%~2.36%,平均相对误差由2.63%减小至1.25%,模型的预测精度明显提高.该研究可以为水泥固化砒砂岩以及其他水泥基工程材料抗压强度的预测提供一种简易而可靠的新方法. 相似文献
12.
13.
应用灰色新陈代谢GM(1,1)模型预 总被引：7，自引：0，他引：7
研究了灰色系统理论在中长期城市需水量预测中的应用。由于常规GM(1,1)模型被用于预测时，精度较高的仅仅是最近的几个数据，越往未来发展，该模型的预测意义就越弱。针对常规GM(1,1)模型存在的不足，建立了灰色新陈代谢GM(1,1)需水量预测模型。并利用此模型对北方某缺水城市未来10年的需水量进行了预测。结果表明：模型精度较高，预测误差较小。对于中长期城市需水量预测这样复杂的问题, 灰色新陈代谢预测模型具有预测精度高、简捷实用等优点，该方法可作为中长期城市需水量预测预测的工具之一。 相似文献
14.
15.
16.
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
17.
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
18.
对于具有季节性特征的水文时间序列,应用滑动平均去季节性波动的方法得到平稳数据序列,建立了灰色GM(1,1)微分方程,进一步导出水文系统自记忆数值预报模型,并将该模型应用于地下水位月观测序列的拟合及预报。模型计算结果表明,提出的季节性水文时间序列预测模型,不仅反映了水文系统的年际总体变化趋势,而且对于年内各月的波动特征及极值情况也能作出有效的预报。 相似文献
19.
20.
城市工业用水量的灰色马尔可夫预测模型 总被引：2，自引：0，他引：2
灰色GM(1,1)是预测城市工业用水量的模型,这种模型不适合长期的、随机和波动性较大的数据序列预测,但是马尔可夫模型适合描述随机波动性较大的预测问题.可以将这两种模型结合,构建灰色马尔可夫预测模型.按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高.最后以抚顺市为例,预测结果证明了该模型的优势. 相似文献