前言：尋找寫作靈感？中文期刊網(wǎng)用心挑選的農(nóng)業(yè)機械總動力研究，希望能為您的閱讀和創(chuàng)作帶來靈感，歡迎大家閱讀并分享。

摘要:根據(jù)北京市近19年農(nóng)業(yè)機械總動力和農(nóng)用大中型拖拉機的數(shù)量，預(yù)測2019年—2024年北京市的農(nóng)業(yè)機械總動力及擁有量。采用一元線性回歸模型，對近19年數(shù)據(jù)進行擬合，回歸模型的P值均小于0.0001，農(nóng)業(yè)機械總動力的回歸模型的相關(guān)系數(shù)為0.9813，農(nóng)用大中型拖拉機回歸模型的相關(guān)系數(shù)為0.8318，結(jié)果表明擬合效果較好，并能夠根據(jù)所建立的模型預(yù)測出北京市2019年—2024年的農(nóng)業(yè)機械的發(fā)展情況，從而為北京市農(nóng)機發(fā)展以及農(nóng)機市場的資源配置提供理論依據(jù)。

關(guān)鍵詞:農(nóng)業(yè)機械，總動力，拖拉機，預(yù)測

農(nóng)業(yè)機械總動力指用于農(nóng)、林、牧、漁業(yè)生產(chǎn)的各種動力機械的動力之和，包括耕作機械、農(nóng)用排灌機械、收獲機械、植保機械、林業(yè)機械、漁業(yè)機械、農(nóng)產(chǎn)品加工機械、農(nóng)用運輸機械、其他農(nóng)用機械。農(nóng)機總動力的市場需求量的時間數(shù)據(jù)序列常常呈現(xiàn)趨勢性和較大的波動性[1]。目前,關(guān)于農(nóng)機總動力的預(yù)測方法主要有線性回歸模型、移動平均法、指數(shù)平滑法、最小平方法、龔拍茲曲線和人工神經(jīng)網(wǎng)絡(luò)等[2]。近年來，許多學者根據(jù)農(nóng)業(yè)機械總動力預(yù)測了未來市場的發(fā)展方向。陳思盈等人運用線性趨勢分析法、空間插值法、SPSS相關(guān)性分析法對農(nóng)業(yè)機械總動力及擁有量變化進行研究[3]。賈卓基于一元非線性回歸以及BP神經(jīng)網(wǎng)絡(luò)（BP－ANN），建立一種新的BP神經(jīng)網(wǎng)絡(luò)非線性組合預(yù)測模型，對河北省農(nóng)機總動力數(shù)據(jù)建模并預(yù)測，模型效果較好[4]。王吉權(quán)運用標準神經(jīng)網(wǎng)絡(luò)和改進神經(jīng)網(wǎng)絡(luò)模型對黑龍江省農(nóng)機總動力數(shù)進行預(yù)測[5]。鞠金艷選用一元線性回歸、指數(shù)函數(shù)、三次指數(shù)平滑和灰色GM（1,1）4種預(yù)測方法分別建立單一預(yù)測模型,對黑龍江省農(nóng)機總動力進行預(yù)測[6]。胡陳君通過對云南省農(nóng)機總動力的歸一化數(shù)據(jù)作為樣本建立GA－LM－BP神經(jīng)網(wǎng)絡(luò)組合模型進行仿真訓(xùn)練，模型效果較單一建模效果好[7]。從這些預(yù)測分析中，一元線性回歸是一種可靠的預(yù)測方法，預(yù)測效果較好，所以本文采用一元線性回歸方法進行預(yù)測分析。農(nóng)業(yè)機械是發(fā)展現(xiàn)代農(nóng)業(yè)的重要物質(zhì)基礎(chǔ)，農(nóng)業(yè)機械化是農(nóng)業(yè)現(xiàn)代化的重要標志?，F(xiàn)階段，我國經(jīng)濟進入新常態(tài)、改革進入深水區(qū)，北京市面臨更加深刻的結(jié)構(gòu)調(diào)整。北京農(nóng)業(yè)發(fā)展的內(nèi)外部環(huán)境也因此而發(fā)生了深刻變化。因此，需要對北京市未來農(nóng)業(yè)機械的發(fā)展進行預(yù)測研究。為了更好的指導(dǎo)農(nóng)業(yè)發(fā)展，根據(jù)歷史數(shù)據(jù)對未來發(fā)展趨勢進行預(yù)測時需要選擇適當?shù)奈锢砟Ｐ?，以確保預(yù)測模型的準確性。

1預(yù)測建模方法和原始數(shù)據(jù)分析

1.1一元線性回歸方法。一元線性回歸是分析只有一個自變量（自變量x和因變量y）線性相關(guān)關(guān)系的方法。本文根據(jù)北京市近19年農(nóng)業(yè)機械總動力、農(nóng)用大中型拖拉機的數(shù)量和大中型拖拉機配套農(nóng)具的數(shù)量（來源于國家統(tǒng)計局官方網(wǎng)站），采用一元線性回歸方法來分析預(yù)測2019年—2024年北京市的農(nóng)業(yè)機械化發(fā)展水平。

1.2原始數(shù)據(jù)。北京市農(nóng)業(yè)機械總動力和農(nóng)用大中型拖拉機的數(shù)量19年的數(shù)據(jù)（2019年統(tǒng)計數(shù)據(jù)還未）見表1。表1

1.3原始數(shù)據(jù)分析。原始數(shù)據(jù)擬合曲線見圖1和圖2。圖1為北京市近19年農(nóng)業(yè)機械總動力變化曲線，從圖中可以看出，農(nóng)業(yè)機械總動力變化呈現(xiàn)下降趨勢。圖2為農(nóng)用大中型拖拉機的數(shù)量（臺）變化曲線有波動，但總的來說呈現(xiàn)下降趨勢。曲線有波動，但總的來看呈現(xiàn)下降趨勢。一段時間以來，北京市隨著城市化進程的不斷推進，以及退耕還林等政策的實施，為了合理分配與利用土地資源，北京市的耕地面積逐漸減少，這導(dǎo)致北京市的農(nóng)業(yè)機械總動力逐年降低。分析結(jié)果符合實際情況。

2預(yù)測模型

2.1預(yù)測模型的建立。根據(jù)表1數(shù)據(jù)預(yù)測北京市2019-2025年的農(nóng)業(yè)機械的發(fā)展狀況。采用SAS軟件進行統(tǒng)計分析，利用一元線性回歸方法建立一元線性回歸模型，一元線性回歸模型的P值均小于0.0001，表明擬合效果較好，建立的回歸方程分別見式（2）：農(nóng)業(yè)機械總動力的回歸方程為：y1=31463.78375-15.52625x.（1）農(nóng)業(yè)機械總動力的預(yù)測的相關(guān)系數(shù)為0.9813；農(nóng)用大中型拖拉機的數(shù)量的回歸方程為：y2=626142.5526-307.5000x.（2）農(nóng)用大中型拖拉機的數(shù)量預(yù)測的相關(guān)系數(shù)為0.8318；根據(jù)回歸模型預(yù)測北京市2019年—2024年的農(nóng)業(yè)機械總動力和農(nóng)用大中型拖拉機的數(shù)量見表2。

2.2預(yù)測模型的檢驗。根據(jù)預(yù)測模型的數(shù)據(jù)，對模型進行檢驗，以分析驗證預(yù)測模型的效果。檢驗結(jié)果如表3。從表3數(shù)據(jù)看出，模型預(yù)測的相對誤差均小于20%，表明模型效果較好。

3結(jié)論

根據(jù)北京市近19年的北京市農(nóng)業(yè)機械總動力和農(nóng)用大中型拖拉機的數(shù)量的統(tǒng)計數(shù)據(jù)進行一元線性回歸建模，預(yù)測了2019年—2024年的發(fā)展狀況：在未來幾年的發(fā)展總趨勢為北京市農(nóng)業(yè)機械總動力和農(nóng)用大中型拖拉機的數(shù)量都將減少，該研究結(jié)果可以為北京市農(nóng)機發(fā)展以及農(nóng)機市場的資源配置提供理論依據(jù)。

作者:廉孟茹 孫海霞 任銳 穆炳宇 池江濤 孫雙雙 單位:山西農(nóng)業(yè)大學農(nóng)業(yè)工程學院