黑龙江省农机总动力预测方法的研究

发布时间：2017-09-21 23:04

  本文关键词：黑龙江省农机总动力预测方法的研究

  更多相关文章： 农机总动力 GP算法 Lyapunov指数法 灰色BP模型

【摘要】：黑龙江省农业正处于转型阶段,农业机械是促进农业发展的重要手段。而农机总动力农业准备水平的简化指标,分析农机总动力发展进程中的复杂多变的特性以及预测值,有利于农业机械的水平的提升。目前,有关农机总动力的研究大多根据自身发展规律来预测未来发展趋势,而将影响因素带入预测模型研究较少。并且在确定农机总动力影响因素个数的时候,缺少量化分析。因此,本文提出了将混沌理论、灰色理论、BP网络模型有效结合对农机总动力影响因素分析与预测研究。文中详细阐述影响黑龙江省农业机械发展的影响因素,并应用灰色关联法与相关性分析法对影响因素进行计算排序。在此基础上应用混沌理论中GP算法量化计算影响因素的数目,为构建预测模型筛选出主要影响因素变量。应用了灰色BP组合预测模型构建了农机总动力的影响因素预测模型,同时应用了马尔可夫链分析法,提高预测值的可信度。针对黑龙江省农业机械发展装备水平,从农业劳动力、土地生产规模、购买农机的经济环境、农机具的装备数量4个不同的角度选取14个不同的因素。然后,应用了灰色关联法与GP算法从因素中选取了7个主要影响因素:农民人均收入、地区农业总产值、农村劳动力转移率、最大农作物种植比重、农村集体经济固定资产投产、农业劳动力素质、政府对农业财政的投入。最后,应用了灰色BP组合模型构建7个因素变量的预测模型,得出未来5年农机总动力发展目标值。
【关键词】：农机总动力 GP算法 Lyapunov指数法 灰色BP模型
【学位授予单位】：黑龙江八一农垦大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S220.1;F323.3
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-13
• 1.1 研究的目的及意义9
• 1.2 国内外研究现状9-12
• 1.2.1 国内研究现状9-11
• 1.2.2 国外研究现状11-12
• 1.3 研究内容12
• 1.4 技术路线12-13
• 第二章 农机总动力的发展机理分析13-25
• 2.1 影响农机总动力发展的因素13-14
• 2.1.1 农业劳动力13-14
• 2.1.2 土地生产规模14
• 2.1.3 购买农机的经济环境14
• 2.1.4 农机具装备数量14
• 2.2 农机总动力与影响因素关联分析14-24
• 2.2.1 灰色关联分析14-16
• 2.2.2 相关性分析16
• 2.2.3 结果分析16-24
• 2.3 本章小结24-25
• 第三章 农机总动力主要影响因素的确定25-35
• 3.1 农机总动力的发展趋势25-26
• 3.2 农机总动力影响因素的量化计算26-33
• 3.2.1 GP算法26-28
• 3.2.2 Lyapunov指数法28-29
• 3.2.3 结果分析29-33
• 3.3 主要影响因素的选取33-34
• 3.4 本章小结34-35
• 第四章 构建农机总动力预测模型35-67
• 4.1 预测模型精度评价35-36
• 4.1.1 预测误差计算方法35-36
• 4.1.2 预测模型精度等级参考取值36
• 4.2 构建单一预测模型36-44
• 4.2.1 灰色预测模型36-39
• 4.2.2 BP模型构建39-44
• 4.3 单一预测模型结果分析44-57
• 4.3.1 GM(1,1)模型分析44-47
• 4.3.2 GM(1,8)模型分析47-50
• 4.3.3 单变量BP模型分析50-53
• 4.3.4 多变量BP模型分析53-56
• 4.3.5 单一预测模型对比分析56-57
• 4.4 构建组合预测模型57-66
• 4.4.1 灰色BP模型的优势57-58
• 4.4.2 灰色BP模型构建58-59
• 4.4.3 灰色BP模型结果分析59-60
• 4.4.4 组合模型优越性验证60-61
• 4.4.5 预测结果区间取值分析61-66
• 4.5 本章小结66-67
• 第五章 结论与展望67-69
• 5.1 结论67
• 5.2 展望67-69
• 参考文献69-75
• 致谢75-77
• 个人简介77

【参考文献】

中国期刊全文数据库 前10条

1 许淑芹;周桂霞;于海明;金忠波;张雪峰;秦春兰;;农机总动力影响因素的灰色关联分析——基于G-P算法[J];农机化研究;2016年12期

2 鞠金艳;赵林;王金峰;;农机总动力增长波动影响因素分析[J];农业工程学报;2016年02期

3 张兰;冯淑怡;陆华良;曲福田;;农地规模经营影响因素的实证研究——基于江苏省村庄调查数据[J];中国土地科学;2015年11期

4 王正新;;多变量时滞GM(1,N)模型及其应用[J];控制与决策;2015年12期

5 刘静;朱达荣;;考虑自变及因变影响的农机总动力组合预测模型[J];农机化研究;2015年04期

6 丁松;党耀国;徐宁;;基于驱动变量增长趋势的TGM(1,N)预测模型[J];系统工程;2015年03期

7 赵晓东;张宏建;周洪亮;;基于混沌理论的河流藻类生长特性分析——以德国易北河为例[J];生态学报;2015年17期

8 万发;;农机化发展的影响因素及内在机制——基于我国省际面板数据分析[J];农机化研究;2014年11期

9 张静;杨宛章;;基于混沌时间序列局域模型对农机总动力的预测[J];中国农机化学报;2014年05期

10 张宏;马岩;李勇;张锐利;张学军;张锐;;基于遗传BP神经网络的核桃破裂功预测模型[J];农业工程学报;2014年18期

中国硕士学位论文全文数据库 前10条

1 于新伟;基于混沌理论的建三江分局水土资源复杂性研究[D];东北农业大学;2013年

2 王智;基于灰色理论和神经网络的弯曲回弹预测研究[D];西南交通大学;2013年

3 贾子文;机械振动故障诊断中分形维数算法的研究[D];华北电力大学;2013年

4 刘天舒;BP神经网络的改进研究及应用[D];东北农业大学;2011年

5 郭惠娟;基于信息量模型的滑坡危险性分区及景观格局分析[D];福建农林大学;2010年

6 俞达;基于灰色神经网络的浙江道路物流需求预测研究[D];浙江工业大学;2009年

7 周志文;灰色BP神经网络方法的研究[D];厦门大学;2009年

8 韦金昌;复杂生态系统的广义信息熵理论及应用[D];天津大学;2009年

9 陈复兴;甘肃省大中型拖拉机需求量分析[D];甘肃农业大学;2008年

10 戴立勋;甘肃省农机作业水平影响因素分析[D];甘肃农业大学;2008年

，

本文编号：897362