检索结果-维普期刊中文期刊服务平台

基于灰色GM(1,1)的农业机械化水平预测模型被引量：20: 1; 作者张睿高焕文《农业机械学报》 EI CAS CSCD 北大核心 2009年第2期91-95,共5页; 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... 展开更多; 关键词农业机械化机械化综合水平灰色GM(1 1) 预测; 在线阅读下载PDF 职称材料

黑龙江省农业机械化作业水平预测方法被引量：22: 2; 作者鞠金艳王金武《农业工程学报》 EI CAS CSCD 北大核心 2009年第5期83-88,共6页; 黑龙江省农机化作业水平的预测是一个复杂的非线性系统,其发展变化具有增长性和波动性,对于拟合的方法要求较高。该文对黑龙江省农机化作业水平预测方法进行研究,在传统预测模型灰色GM(1,1)模型、平滑预测模型和回归预测模型的基础上建... 展开更多; 关键词农机化作业水平灰色GM(1 1) BP网络组合预测模型时间序列; 在线阅读下载PDF 职称材料

基于BP神经网络的农业机械化作业水平预测被引量：5: 3; 作者鞠金艳王金峰《农机化研究》北大核心 2015年第3期74-78,共5页; 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... 展开更多; 关键词农业机械化作业水平 BP神经网络组合预测模型; 在线阅读下载PDF 职称材料

农机化发展的灰色系统预测模型研究被引量：1: 4; 作者任文辉邹仿涛《西北农林科技大学学报（自然科学版）》 CSCD 1990年第2期52-59,共8页; 摘要采用灰色系统预测模型对农机化发展问题进行了探讨,通过分析认为,灰色系统预测模型具有某些独到的优点。将定性分析及灰色关联分析的结果作为选择进入模型的数据数及修正模型的依据。采用了“线性化处理”及“分段建模”的方法,... 展开更多; 关键词农机化/灰色系统预测模型; 在线阅读下载PDF 职称材料

题名基于灰色GM(1,1)的农业机械化水平预测模型被引量：20: 1; 作者张睿高焕文; 机构中国农业大学工学院; 出处《农业机械学报》 EI CAS CSCD 北大核心 2009年第2期91-95,共5页; 基金中国工程院"农业机械化发展战略"重大咨询项目; 文摘根据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。; 关键词农业机械化机械化综合水平灰色GM(1 1) 预测; Keywords agricultural mechanization, mechanization integrating level, GM （ 1, 1 ） model, prediction; 分类号 S23-01 [农业科学—农业机械化工程]; 在线阅读下载PDF 职称材料

题名黑龙江省农业机械化作业水平预测方法被引量：22: 2; 作者鞠金艳王金武; 机构东北农业大学工程学院; 出处《农业工程学报》 EI CAS CSCD 北大核心 2009年第5期83-88,共6页; 文摘黑龙江省农机化作业水平的预测是一个复杂的非线性系统,其发展变化具有增长性和波动性,对于拟合的方法要求较高。该文对黑龙江省农机化作业水平预测方法进行研究,在传统预测模型灰色GM(1,1)模型、平滑预测模型和回归预测模型的基础上建立了基础预测模型,并与BP神经网络模型组合,建立了灰色神经网络、平滑回归神经网络等组合预测模型,并预测了黑龙江省2008～2015年的农机化耕、种、收、植保、灌溉作业水平。结果表明,新的预测方法拟合精度高、有效、可行,为农机化作业水平的预测提供了一条新的途径;黑龙江省机耕、机播、植保作业水平很高,但是机收作业水平不高,机械化灌溉是主要的瓶颈,需要进一步发展。; 关键词农机化作业水平灰色GM(1 1) BP网络组合预测模型时间序列; Keywords operation level of agricultural mechanization, GM（1,1） models, BP neural networks, combined prediction models, time series; 分类号 S23 [农业科学—农业机械化工程]; 在线阅读下载PDF 职称材料

题名基于BP神经网络的农业机械化作业水平预测被引量：5: 3; 作者鞠金艳王金峰; 机构黑龙江科技大学机械工程学院东北农业大学工程学院; 出处《农机化研究》北大核心 2015年第3期74-78,共5页; 基金黑龙江省教育厅科学技术研究项目(12531025); 文摘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%。; 关键词农业机械化作业水平 BP神经网络组合预测模型; Keywords operation level of agricultural mechanization BP neural networks combined prediction model; 分类号 S23-0 [农业科学—农业机械化工程]; 在线阅读下载PDF 职称材料

题名农机化发展的灰色系统预测模型研究被引量：1: 4; 作者任文辉邹仿涛; 机构西北农业大学农业工程系湖北省农机化研究所; 出处《西北农林科技大学学报（自然科学版）》 CSCD 1990年第2期52-59,共8页; 文摘摘要采用灰色系统预测模型对农机化发展问题进行了探讨,通过分析认为,灰色系统预测模型具有某些独到的优点。将定性分析及灰色关联分析的结果作为选择进入模型的数据数及修正模型的依据。采用了“线性化处理”及“分段建模”的方法,初步解决了在建立模型时所遇到的GM(1,N)模型的系数不符合定性分析及许多自主因子的较长时期发展过程不能用同一个GM(1,1)模型描述的问题。; 关键词农机化/灰色系统预测模型; Keywords agricultural mechanization/grey system, predicting models; 分类号 S [农业科学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于灰色GM(1,1)的农业机械化水平预测模型	张睿高焕文	《农业机械学报》 EI CAS CSCD 北大核心	2009	20	在线阅读下载PDF 职称材料
2	黑龙江省农业机械化作业水平预测方法	鞠金艳王金武	《农业工程学报》 EI CAS CSCD 北大核心	2009	22	在线阅读下载PDF 职称材料
3	基于BP神经网络的农业机械化作业水平预测	鞠金艳王金峰	《农机化研究》北大核心	2015	5	在线阅读下载PDF 职称材料
4	农机化发展的灰色系统预测模型研究	任文辉邹仿涛	《西北农林科技大学学报（自然科学版）》 CSCD	1990	1	在线阅读下载PDF 职称材料