【摘要】：黑龍江墾區(qū)是我國耕地規(guī)模最大的國有農(nóng)場群，近年來始終堅持用國內外最先進的農(nóng)業(yè)機械武裝墾區(qū)農(nóng)業(yè)，目前已成為國家重要的糧食生產(chǎn)基地及糧食戰(zhàn)略后備基地，其農(nóng)業(yè)綜合生產(chǎn)力水平和農(nóng)業(yè)機械化水平均處于全國前列。由于農(nóng)業(yè)機械裝備是農(nóng)業(yè)機械化發(fā)展水平的具體體現(xiàn)，農(nóng)業(yè)機械化發(fā)展水平從宏觀上反映農(nóng)業(yè)機械化裝備資源的利用。因此，加速黑龍江墾區(qū)農(nóng)業(yè)機械化發(fā)展進程，正確評價墾區(qū)農(nóng)業(yè)機械化裝備水平，運用科學的農(nóng)業(yè)機械化管理理論與技術水平實現(xiàn)經(jīng)濟效益和社會效益具有重要的意義。 主要研究工作如下： 1.農(nóng)機裝備資源是農(nóng)業(yè)機械化綜合保障能力的基礎，為了正確認識黑龍江墾區(qū)農(nóng)機裝備在農(nóng)業(yè)生產(chǎn)中的作用，收集整理2011-2012年各農(nóng)場農(nóng)機裝備水平評價指標，從總量指標、速度指標和均量指標三個方面確定了10個評價指標。利用建立的多類分類支持向量機算法，科學衡量98個農(nóng)場農(nóng)機裝備發(fā)展狀況，進行評價分析墾區(qū)各農(nóng)場農(nóng)機裝備水平綜合差異狀況，提出協(xié)調墾區(qū)農(nóng)場農(nóng)機裝備發(fā)展的政策建議。 2.鑒于黑龍江墾區(qū)農(nóng)機裝備發(fā)展態(tài)勢有明顯的非線性特性，為了科學合理的評價墾區(qū)農(nóng)機裝備發(fā)展狀況，建立了黑龍江墾區(qū)農(nóng)機裝備水平的評價指標體系。首先利用傳統(tǒng)的組合預測方法，將權系數(shù)確定問題轉化為標準粗糙集理論中屬性重要度評價問題，建立一種基于粗糙集理論的組合預測方法；其次，構建了RBF神經(jīng)網(wǎng)絡的組合預測模型和基于SVM的組合預測模型。利用構建的三種組合預測模型對黑龍江墾區(qū)農(nóng)機裝備水平的歷史數(shù)據(jù)進行預測，分析表明所建立的基于SVM的組合預測模型具有一定的預測精度，與實際值具有很好的一致性，預測結果的均方根誤差比傳統(tǒng)單一模型、基于粗糙集組合預測模型和基于RBF的組合預測模型明顯降低。 3.由于實際采集的樣本數(shù)據(jù)帶有一定的誤差，含有高噪聲并伴有異常值，它們的存在極易造成系統(tǒng)不穩(wěn)定。而標準支持向量機采用無界損失函數(shù)，對孤立點所產(chǎn)生的間隔損失最大，因此對訓練點中的孤立點非常敏感，導致支持向量機的泛化性能降低。因此，研究了支持向量機的魯棒性學習，提出一種基于不對稱形式的二次不敏感控制型Ramp損失函數(shù)的支持向量回歸機，該算法明確限制孤立點所造成的最大損失，不僅可以保持支持向量的稀疏性，而且還可以抑制異常值對決策超平面的影響。實驗結果表明，該模型保持了很好的泛化能力，無論對模擬數(shù)據(jù)還是對黑龍江墾區(qū)2003-2012年糧食產(chǎn)量歷史數(shù)據(jù)，都具有一定的擬合精度，與標準支持向量機模型相比，不僅能夠降低噪聲和孤立點的影響，而且也具有較強的魯棒性。 4.為了合理估算黑龍江墾區(qū)農(nóng)機裝備對糧食產(chǎn)量貢獻的大小，利用2003-2012年黑龍江墾區(qū)統(tǒng)計年鑒的糧食生產(chǎn)統(tǒng)計數(shù)據(jù)，選取9個對糧食生產(chǎn)影響比較密切的指標進行實證分析。運用灰色關聯(lián)法對影響糧食生產(chǎn)因素進行關聯(lián)度大小計算，找出影響黑龍江墾區(qū)糧食生產(chǎn)的關鍵因素并進行了關聯(lián)分析；利用2003-2012年統(tǒng)計數(shù)據(jù)，采取簡單、易操作的柯布-道格拉斯(Cobb-Douglas)生產(chǎn)函數(shù)法和CES生產(chǎn)函數(shù)法，估算農(nóng)機裝備對黑龍江墾區(qū)糧食產(chǎn)出貢獻為27.76%。最后對計算結果進行了結果分析和政策建議，以期為有關政府部門科學決策和制定糧食生產(chǎn)機械化發(fā)展政策提供參考。
【學位授予單位】：黑龍江八一農(nóng)墾大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：S23
【圖文】：

中型拖拉機總動力、小型拖拉機擁有量、小型拖拉機總動力、大中型拖拉機配套機量、小型拖拉機配套機具擁有量和農(nóng)機作業(yè)水平為主要指標。依據(jù)黑龍江墾區(qū)農(nóng)機、大中小型拖拉機及配套農(nóng)機具的統(tǒng)計數(shù)據(jù)為依據(jù)，利用新構建支持向量機模型對備水平進行預測。

求一個最優(yōu)的函數(shù)0f ( x , w)，使預測的期R ( w ) =L ( y f ( w ))d F ( y)∫ ， x， x， 失函數(shù)， f ( x , w)稱為預測函數(shù)集， w∈數(shù)集，用 f ( x , w)對 y 進行預測而造成的損間存在一定的未知依賴關系，即聯(lián)合概確定性關系，即系統(tǒng)辨識。機器學習就是) ( ) 2 l ly yL， ， ，x ，，在一組函數(shù) { f ( x , w險 R ( w) 最小化。R ( w) =L ( y , f ( x , w) )d F ( x , y)∫

【參考文獻】

相關期刊論文 前10條

1 袁莉;姜波;;基于灰色系統(tǒng)理論的加工番茄產(chǎn)量預測模型研究[J];安徽農(nóng)業(yè)科學;2011年17期

2 胡傳東,羅仕偉,黃亞妍;重慶區(qū)域經(jīng)濟梯度差異及成因分析[J];重慶師范大學學報(自然科學版);2004年04期

3 冷志明;;武陵山經(jīng)濟協(xié)作區(qū)空間協(xié)調發(fā)展程度評價[J];地理研究;2012年03期

4 熊金志;胡金蓮;袁華強;胡天明;李廣明;;一類光滑支持向量機新函數(shù)的研究[J];電子學報;2007年02期

5 鐘波,肖智,周家啟;組合預測中基于粗糙集理論的權值確定方法[J];重慶大學學報(自然科學版);2002年07期

6 袁玉波,嚴杰,徐成賢;多項式光滑的支撐向量機[J];計算機學報;2005年01期

7 張美英;何杰;;時間序列預測模型研究簡介[J];江西科學;2009年05期

8 張學工;關于統(tǒng)計學習理論與支持向量機[J];自動化學報;2000年01期

9 趙顯橋,曹欣玉,蘭澤全,饒u&,黃鎮(zhèn)宇,周俊虎,劉建忠,岑可法;基于粗集理論的煤灰結渣模糊綜合評判權系數(shù)確定方法研究[J];煤炭學報;2004年02期

10 馬翠萍;;黑龍江墾區(qū)糧食產(chǎn)量影響因素灰關聯(lián)分析[J];農(nóng)場經(jīng)濟管理;2008年02期

本文編號：2736165