浙江省农业机械化发展研究
本文关键词:浙江省农业机械化发展研究 出处:《南京农业大学》2015年硕士论文 论文类型:学位论文
更多相关文章: 农业机械化 综合评价 时间序列模型 灰色动态模型 DPS软件
【摘要】:农业机械化是指人类的体力劳作和畜力劳动被机械所代替,这个过程中是一个影响因素较多、各个因素之间关系较复杂的大系统。在农业机械化发展过程中,要评价其对农业生产过程发挥的作用,就要正确认识现阶段农业机械化发展水平,必须建立一套较为科学农业机械化水平的评价体系。鉴于南、北农业发展模式不同,农业机械化综合评价体系的指标不同,为了促进浙江省农业机械化水平的可持续发展,让浙江省农业机械化综合水平从中级阶段发展到高级阶段,建立适合于浙江省农业发展模式的农业机械化评价指标体系和并且进行相关评价研究,对浙江省的农业机械化发展进行宏观和微观控制,充分发挥农业机械化在浙江省农业生产、农村生活中的积极作用,调动农民的积极性,具有重要的实际意义和理论意义。本文从多方面对浙江省农业机械发展现状进行分析,揭示影响农业机械化发展的主要因素。在大量数据调查的基础上,对浙江省农业机械装备、农业机械作业水平、农业经济发展以及农业机械化服务体系进行了分析。在前人建立的评价指标体系的基础上,采用多指标分层次进行综合评价,采用加权指数综合评分法计算并且分析了浙江省及其全省11市2009-2013年农业机械化综合水平。经过比较,认为当前浙江省农业机械化综合水平发展最好的城市是宁波市,较差的是丽水市,近期发展最快的是湖州市。运用时间序列趋势模型和灰色动态模型,对浙江省及其11个市进行"十二五"期间的机械化综合水平预期结果进行预测,拟合误差均小于2%,误差较小,预测值有一定的可信度。运用DPS软件,对浙江省2009-2013年农业机械化总水平和11个市2014年和2015年农业机械化总水平进行了预测。预测表明,2015年浙江省农业机械化综合水平预测值为68.23%。"十二五"期间,浙江省农业机械化综合水平增长约为5%,其中丽水市是省内农业机械化综合水平较低的城市,宁波市农业机械化水平已经达到高级阶段,两个城市之间存在的差距会扩大。本文分析了浙江省目前农业机械化综合水平,预测了浙江省的农业机械化综合水平,研究了其发展趋势。根据浙江省农业发展的现状和发展趋势,明确了农业机械化发展的优势和不足,对浙江省制定农机发展相关政策有一定的指导作用。
[Abstract]:Agricultural mechanization is the human physical labor and animal labor is replaced by mechanical, this process is a system of many factors, relations between the factors is complex. In the development of agricultural mechanization process, to evaluate the role of agricultural production, it is necessary to correctly understand the development level of agricultural machinery of the present stage, we must establish a set of scientific agricultural mechanization level evaluation system. In view of the south, North agricultural development mode, agricultural mechanization comprehensive evaluation index system is different, in order to promote the sustainable development of Zhejiang Province, the level of agricultural mechanization, make Zhejiang Province comprehensive agricultural mechanization level from the intermediate stage to advanced stage the establishment of agricultural mechanization, the evaluation index system for Zhejiang Province agricultural development mode and related research and evaluation of agricultural machinery in Zhejiang Province, the development of The macro and micro control, give full play to the role of Agricultural Mechanization in agricultural production in Zhejiang Province, the positive role in the rural life, arouse the enthusiasm of farmers, has important theoretical and practical significance. This paper from the analysis of the current situation of the development of agricultural machinery in Zhejiang Province, in many aspects, exposing the main factors are shown to affect the development of agricultural mechanization. Based on the survey data of Zhejiang Province, agricultural machinery, agricultural machinery operation level, the development of agricultural economy and agricultural mechanization service system are analyzed. Based on the established evaluation index system, using hierarchical multi index comprehensive evaluation, calculation and analysis of agricultural machinery in Zhejiang province and the province's 11 city 2009-2013 years of comprehensive level using the weighted index comprehensive evaluation method. Through the comparison, that the current Zhejiang Province Agricultural Mechanization Development in Ningbo is the best city Poor city, is the city of Lishui, the recent development is the fastest in Huzhou city. By using the time series trend model and grey dynamic model of Zhejiang province and its 11 cities "12th Five-Year" period of mechanization is expected to predict the results, the fitting error is less than 2%, the error is small, the prediction value has a certain degree of credibility using DPS software, the agricultural machinery in Zhejiang province 2009-2013 total level and 11 in 2014 and 2015 the total agricultural mechanization level is predicted. Forecasts show that in 2015 Zhejiang Province comprehensive agricultural mechanization level prediction value for the 68.23%. "12th Five-Year" period, Zhejiang Province Agricultural Machinery growth comprehensive level of about 5%, including Lishui city is the province of agricultural mechanization low level city, the level of Agricultural Mechanization in Ningbo city has already reached an advanced stage, there is a gap between the two city will be expanded. This paper analyzes the present Zhejiang Province Comprehensive agricultural mechanization level, agricultural machinery in Zhejiang Province, the prediction of comprehensive level, the trend of its development. According to the current situation and development trend of agricultural development in Zhejiang Province, the agricultural mechanization development advantages and disadvantages, have certain guiding role for Zhejiang province to formulate relevant policies of agricultural development.
【学位授予单位】:南京农业大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:F323.3
【相似文献】
相关期刊论文 前10条
1 杨贵军;;时间序列模型描述个体经济发展趋势的局限性及改进方法[J];现代财经(天津财经大学学报);2006年07期
2 郭顺生;王磊;黄琨;;基于时间序列模型预测汽车销量研究[J];机械工程师;2013年05期
3 李宝慧;用时间序列模型对社会消费品指数的规律进行研究和预测[J];统计研究;2000年01期
4 吴令云,赵远东;用时间序列模型分析突发事件对经济的影响[J];统计与决策;2004年04期
5 陈飞,高铁梅;结构时间序列模型在经济预测方面的应用研究[J];数量经济技术经济研究;2005年02期
6 霍振宏;;基于时间序列模型下国民经济发展趋势实证分析[J];中原工学院学报;2007年04期
7 郑煜;孟军;;时间序列模型对黑龙江省水稻比较优势的预测[J];东北林业大学学报;2008年10期
8 张新波;;时间序列模型在税收预测中的应用[J];湖南税务高等专科学校学报;2010年04期
9 刘领坡;;我国社会消费品零售总额时间序列模型及预测[J];经济论坛;2011年06期
10 范菲菲;;河南省经济增长的时间序列模型分析[J];河南农业;2012年22期
相关会议论文 前4条
1 汪宏晶;林曦晨;汤洪秀;尹平;;多元时间序列模型及其应用[A];2011年中国卫生统计学年会会议论文集[C];2011年
2 史青;练晓华;;时间序列模型在地铁结构变形预测中的应用[A];第十五届华东六省一市测绘学会学术交流会论文集(江苏上海论文分册)[C];2012年
3 黄荣坦;;厦门港集装箱吞吐量的时间序列模型[A];2002年中国管理科学学术会议论文集[C];2002年
4 赵庆江;迟凯;付芳萍;李潮潮;车文刚;;基于FCM的模糊时间序列模型及人民币汇率预测[A];第二十九届中国控制会议论文集[C];2010年
相关重要报纸文章 前2条
1 国海证券研究所;时间序列模型预测3月CPI为—1.26%[N];上海证券报;2009年
2 罗佐县;勘探投资须研究规律提高效率[N];中国石化报;2008年
相关博士学位论文 前5条
1 赵彪;两类时间序列模型的统计推断[D];中国科学技术大学;2015年
2 尚华;两类时间序列模型的异常值检测研究[D];首都经济贸易大学;2016年
3 王立柱;基于计算智能的时间序列模型及预测研究[D];大连理工大学;2015年
4 杨凯;几类门限时间序列模型的推断研究[D];吉林大学;2016年
5 邱望仁;模糊时间序列模型及其在股指趋势分析中的应用研究[D];大连理工大学;2012年
相关硕士学位论文 前10条
1 段炼;基于时间序列模型的日内交易策略在A股市场上的应用[D];复旦大学;2014年
2 李金玲;基于特征展开法的模糊时间序列模型的约减算法[D];大连海事大学;2015年
3 王鹏飞;基于自相关函数的模糊时间序列模型的优化算法[D];大连海事大学;2015年
4 孙自珂;风电并网对电力系统可靠性影响研究[D];山东大学;2015年
5 李修成;城市范围内PM2.5时间预测研究[D];哈尔滨工业大学;2015年
6 王倩;非线性时间序列模型研究及实证分析[D];电子科技大学;2014年
7 刘洋;基于SVM修正的模糊时间序列模型在沪指预测中的应用[D];南京大学;2015年
8 刘雅宁;基于小波分析和优化理论的时间序列预测研究[D];燕山大学;2015年
9 陈海燕;模糊时间序列模型在论域上的研究与应用[D];武汉邮电科学研究院;2016年
10 高山;小波分析和组合模型在沉降预计中的应用研究[D];安徽理工大学;2016年
,本文编号:1376870
本文链接:https://www.wllwen.com/jingjilunwen/nongyejingjilunwen/1376870.html