基于GA-BP神经网络的农业机械化综合水平预测模型

被引:6
作者
王攀
陈建
曹中华
吴先兵
机构
[1] 西南大学工程技术学院
关键词
农业机械化; 综合水平; GA-BP神经网络; 预测;
D O I
10.13427/j.cnki.njyi.2016.03.016
中图分类号
S233 [农业生产作业机械化工艺组织];
学科分类号
082801 ;
摘要
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。
引用
收藏
页码:75 / 79
页数:5
相关论文
共 10 条
[1]   关于“十三五”我国农业机械化发展的思考 [J].
白人朴 .
中国农机化学报, 2014, 35 (04) :1-5
[2]   多输入Sigmoid激励函数神经网络权值与结构确定法 [J].
张雨浓 ;
曲璐 ;
陈俊维 ;
刘锦荣 ;
郭东生 .
计算机应用研究, 2012, 29 (11) :4113-4116+4151
[3]   遗传算法研究综述 [J].
葛继科 ;
邱玉辉 ;
吴春明 ;
蒲国林 .
计算机应用研究, 2008, (10) :2911-2916
[4]   推进农业工程科技创新,建设社会主义新农村 [J].
朱明 .
农业工程学报, 2006, (06) :192-196
[5]   BP神经网络的设计 [J].
戚德虎 ;
康继昌 .
计算机工程与设计, 1998, (02) :3-5
[6]  
中国农业机械化年鉴[M]. 中国农业科学技术出版社 , 易中懿, 2007
[7]   基于遗传BP神经网络的短期风速预测模型 [J].
王德明 ;
王莉 ;
张广明 .
浙江大学学报(工学版), 2012, 46 (05) :837-841+904
[8]   遗传算法优化BP神经网络的混沌时间序列预测 [J].
李松 ;
罗勇 ;
张铭锐 .
计算机工程与应用, 2011, 47 (29) :52-55
[9]   基于灰色GM(1,1)的农业机械化水平预测模型 [J].
张睿 ;
高焕文 .
农业机械学报, 2009, 40 (02) :91-95
[10]   农业机械化发展关键影响因素的辨识与分析 [J].
卢秉福 ;
张祖立 ;
朱明 ;
陈卓君 ;
吕小莲 .
农业工程学报, 2008, (11) :114-117