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。

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。

基于SVM的农业机械化水平预测模型

运用支持向量机方法对我国农业机械化水平进行预测。选取1986—2002年的17个数据作为训练样本,2003—2005年的3个数据作为检验样本,通过与GM(1,1)模型和BP神经网络模型预测结果进行比较,结果表明,2003—20053年预测值的平均相对误差仅为0.67%,该方法用于农业机械化水平预测是可行和有效的,为提高预测精度提供了一条新的途径。

我国农业机械化作业水平的组合预测模型对比研究

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。

农业机械化发展水平的人工神经网络评价模型

根据农业机械化发展水平的评价标准 ,提出了生成足够多人工神经网络训练样本、检验样本和测试样本的新方法 ,给出了区分农业机械化发展水平不同程度的分界值 ,并提出了确定合理 BP神经网络结构的原则。通过上述方法得到的神经网络模型具有更好的泛化能力 ,且不受网络初始权值的影响。运用训练后的神经网络评价模型对河南省 1994年农业机械化发展水平的评价结果表明 :与灰色概率评估模型相比 ,本文建立的 BP评价模型具有更好的客观性、通用性。

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%。

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1 9 9 0-2 0 0 5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。

“农业机械化水平”与“农业装备水平”比较分析研究

总结归纳国内对"农业机械化水平"和"农业装备水平"的相关研究,提出二者的区别与内在联系,从而对我国农业机械化的宏观研究方向提出看法。

基于灰色预测模型测算农业机械化贡献率

测算出农业机械化对农业生产的贡献份额,对农业机械化投入决策具有重要的参考作用。通过采用灰色系统预测方法,建立农业产出、农业机械化投入、物质消耗、劳动力投入和土地面积投入的灰色序列模型,得出农业投入产出总体回归模型,预测农业机械化贡献率。

对“农业机械化水平”和“农业装备水平”的理论探讨

从理论角度对"农业机械化水平"和"农业装备水平"2个概念进行深入探讨。研究表明,农业机械水平和农业装备水平分别是作物层面和地域层面"人—机"关系的具体表现。

2007-2017年安徽省农业机械化作业水平定量预测

农机化是农业现代化的重要标志,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。农业机械化作业指标主要包括机耕水平、机播水平、机收水平,本文根据安徽省1995-2005年的历史数据,采取移动平均预测与回归预测相结合的方法,预测了2007-2017年安徽省机械化耕、播、收作业水平,得出的结论为安徽农业机械化机耕水平很高,但是机播、机收水平不高,需要进一步发展。

我国农业装备水平与农业机械化水平的协整分析

运用协整理论对我国1978~2009年农业装备水平（LAEL）与农业机械化水平（LAML）的相关关系进行了实证分析。研究中运用单位根检验,构建协整方程和误差修正模型,以及进行格兰杰因果检验。结果表明,1978~2009年我国农业装备水平与农业机械化水平之间存在协整关系。从长期均衡关系来看,我国农业装备水平与农业机械化水平存在长期的均衡关系,二者变化受协整方程的约束。从误差修正模型来看,两者的短期动态均衡关系是,农业装备水平短期内每变动1个单位,农业机械化水平同方向变动0.2921个单位。另外,格兰杰因果检验表明,当滞后阶数为1到3时,农业装备水平是农业机械化水平提高的格兰杰原因;但当滞后阶数为4到6时,二者之间不存在因果关系。

中国农业机械化水平对农业生产效率的影响研究

【目的】分析农业机械化水平对农业生产效率的影响,探讨促进农业机械化发展的路径。【方法】基于2017—2021年我国31个地区的面板数据,利用DEA模型测算各地区农业生产效率,并从农业生产综合效率、纯技术效率和规模效率三个方面分别构建Tobit回归模型,将农业机械化水平指标作为核心解释变量来分析对我国农业生产综合效率的影响。【结果】1)黑龙江、浙江、福建等地区农业生产综合效率平均水平大于0.85,天津、山西、吉林等地区的农业生产综合效率平均水平低于0.5,平均纯技术效率和平均规模效率不高是造成我国农业生产综合效率平均水平低下的主要原因;2)农业机械化水平对于农业生产综合效率、纯技术效率分别在5%、10%的统计水平上呈显著的正相关,这表明可以通过提高农业机械化水平等措施来提高农业生产综合效率。【结论】依据各地区农业生产效率、经济发展水平、地形地貌等因地制宜制定发展策略,有助于提高农业机械化水平,推动农业机械化高质量发展,推进农业农村现代化进程。

农业机械装备数量预测模型的研究与应用

科学地预测对于决策具有重要的作用。为此,针对农业机械装备发展所需,选择基于时间序列的预测模型对我国单位耕地面积上农业机械装备数量进行预测,以期为农业机械化发展的研究和决策提供科学的方法和理论依据,为我国农业机械化事业工作者提供一定的参考。

提高农机装备水平 加快农业机械化进程

1农业机械化现状及成效 2008年，阜宁县农机部门在省市农机局的精心指导下，在县委县政府的正确领导下，紧紧围绕新农村建设，着力提高农机装备水平、加快农业机械化进程，促进了农业结构调整、农业增效、农民增收、农业劳动力向二、三产业的转移。全县农机总动力50．41万kW，拥有农机总资产达2．1亿元，

国外农业装备和机械化水平与发展趋势

国外农业装备的水平和特点，主要以经济发达的美、日、德、法、英、意大利、澳大利亚、荷兰、以色列等为代表。这些国家在农业生产、农作物种植、土地经营规模、农民经济收入、社会化服务体系、自然条件以及使用的农业装备和机械化水平等方面具有一定典型性。下面分别予以介绍。

长春市城区各乡镇农业机械化装备水平现状研究

目前,我国正处在按照科学发展观全面建设小康社会的新阶段。中共中央国务院《关于推进社会主义新农村建设若干意见》明确指出,全面建设小康社会,最艰巨最繁重的任务在农村。农业机械化是农业现代化的前提和基础,是广大农村摆脱传统生产方式、采用现代生产技术的重要手段和途径,是农业农村实现科学发展的重要途径。为此,我们于2007年下半年组织人员专门对城区近二十个乡镇的农业机械化装备水平进行了调查研究。

河北省县域农业机械化水平的分异格局及其影响因素

借助TOPSIS模型、空间探索性数据分析和地理加权回归模型等方法,系统分析河北省县域农业机械化水平的空间特征、关联水平及其影响因素,以期为因地制宜地推进农业机械化发展提供支撑。结果表明:1)2013年河北省县域农业机械化水平在空间上呈现明显的方向性和地形分布差异:中南部偏东平原地区的农业机械化水平较高,北部偏西地区次之,西部丘陵区发展滞后;2)县域农业机械化发展水平存在较强的空间自相关特性,区域趋同性比较明显,河北南部以高高集聚(HH)类型居多,北部以低低集聚(LL)类型居多;3)与OLS模型相比,GWR模型在揭示农业机械化水平空间非平稳性方面具有优势。在研究所选的自变量中,地形因子对县域农业机械化的影响较大且均为正向,耕地经营规模和种植结构对农业机械化水平的影响有正有负,但整体上为正。建议在高原县域采取适度增加耕地经营规模,调整作物种植比例等措施提升农业机械化发展水平,在平原县域通过改变其他经济因素来提高发展水平。

农业机械化的关键是提高技术装备水平

社会主义新农村建设,为农业机械化事业的发展带来了前所未有的历史机遇,同时也提出了新的更高的要求。依靠科技进步,提高农业技术装备水平,是发展现代农业,建设社会主义新农村的战略性途径。

基于Struts框架的农业机械化装备网企业信息系统

基于MVC模式的Struts框架体系日趋成熟,已成为构建Web应用的一种最具代表性的框架。采用该技术框架开发的国家农业机械化装备网企业信息系统实现了企业用户对于企业信息和产品信息的实时更新与维护,保证了信息的准确及时性,具有技术先进、交互能力强、维护方便、扩展升级周期短等优点。对Struts框架体系进行了简要分析,并结合该信息系统的设计,描述了如何配置和实现基于MVC模式的Struts框架体系。