陕西省粮食产量预测及其影响因素的灰色关联分析

根据1988—2007年粮食生产相关指标的统计数据,借助灰色关联理论对影响陕西省粮食生产的粮食单位面积产量,农业劳动力,机械总动力,化肥施用量,受灾面积,粮食播种面积,农田有效灌溉面积,农村用电量等8项指标进行了灰色关联度的定量分析,总结出不同时间段主要影响因素,并根据关联度的大小排序,,结合该省实际情况,提出了针对性,可行性的建议;将灰色关联分析结果中关联度比较高的指标作为神将网络的输入层单元,借助基于动量法的BP神经网络的MOBP模型预测出未来2015年和2020年的粮食产量,经检验该模型的平均相对误差达到2．5％,为陕西省可持续发展战略的制定和规划提供可靠的数据和参考价值。     

新疆粮食产量影响因素的实证分析

文章通过对中国1992年~2012年的粮食总产量、播种面积、化肥施用量、农业劳动力,农业机械劳动力,农业财政支出等相关数据的研究,通过Eviews软件对建立的模型进行检验、修正,最终建立我国粮食产量及其影响因素的计量经济学模型。同时,通过对模型的分析发现,化肥施用量对粮食产量的影响最显著,粮食播种面积次之。故要想提高粮食产量,关键是要合理开发、利用好耕地面积。     

基于灰色关联分析的贵州省粮食产量影响因素研究

贵州省是我国西南地区重要的农业省份之一,粮食生产产值在其国民经济组成中占有重要的地位。在目前全国粮食生产面积不断减少、粮食单产开始出现下降的大背景下,如何保障贵州本省粮食生产与安全关系着省计民生,理应受到重视。文章将采用多元统计中的灰色关联度分析法对影响贵州省粮食产量的因素进行相关分析,通过计算灰色关联度,然后按其大小进行排序,从而确定上述因素分别对贵州省粮食产量的影响程度。结果表明,粮食播种面积、有效灌溉面积、农业机械总动力、化肥施用量和成灾面积等是影响贵州省粮食产量的关键因素,其结论可为有效保障贵州省粮食产量增长提供可靠地参考依据。     

近30年来我国粮食产量波动影响因素分析

[目的]根据粮食产量波动特征,从自然因素、科技因素(物质装备)、社会经济因素和农业生产条件等方面对粮食产量的影响进行量化分析,为科学合理地制定农业政策,保障我国粮食安全提供理论依据。[方法]文章利用HP滤波法分析1978—2010年我国粮食产量波动特征,并采用灰色关联与层析分析相结合的综合评价法定量分析不同波动周期各影响因子对我国粮食产量波动的影响度。[结果](1)改革开放以来,我国粮食产量经历了完整的6个波动阶段,平均波动周期为6年;(2)除1994—2000年,各波动周期的粮食产量受科技因素的影响最大,且影响日益显著,影响度从1978—1981年的37. 0%增加到2006—2010年的48. 3%,其中,有效灌溉面积的影响增大趋势最为明显,其次是农业机械总动力,化肥施用量的影响呈减弱趋势;(3)社会经济因素对粮食产量的影响呈波动性增加的规律,2006—2010年影响度达到24. 9%;(4)农业生产条件对粮食产量的影响在20世纪80年代初期与科技因素基本持平,此后,除1994—2000年,与科技因素的影响度差距越来越大,到2000—2006年对粮食产量的影响度仅为16. 6%,其中,耕地面积的影响度下降最多,到2006—2010年,影响度仅为1. 1%;自然因素对粮食产量波动的影响最小,且较为稳定,除1985—1988年影响度达到24. 3%,其余波动周期均在8. 7%~12. 4%之间,2006—2010年影响度为10. 2%。[结论]完善农田水利灌溉体系,加强对农业机械指导的\"重科技\"举措比单纯增加后备耕地数量、改善应对气候变化与自然灾害能力的\"靠资源\"发展更为有效;加大农田水利投入,完成灌区续建配套与灌排泵站更新改造是目前最重要的发展方向。     

我国粮食产量影响因素实证分析

针对我国粮食安全问题,从粮食生产视角探明我国粮食产量与各主要影响因素之间的定量关系。基于2001～2019年的时间序列数据,建立多元线性回归模型,根据回归分析结果,提出守住耕地红线、推进种业创新、壮大粮食主体的建议,坚持"藏粮于地""藏粮于技"和"藏粮于民"战略,以期中国的粮食生产能力更上一层楼。     

差分自回归移动平均模型在中国粮食产量预测中的应用

中国是个人口大国,每年对粮食的需求非常大,粮食产量能不能满足需求显得至关重要。因此对国内每年粮食产量的研究及其对未来几年粮食产量的预测也就显得尤为重要。探讨了时间序列分析建模的方法,应用差分自回归移动平均(ARIMA)模型对历年粮食产量系列进行建模分析,确定了粮食产量系列的ARIMA(1,1,1)模型,并且用该模型预测结果。     

基于GRA&BPNN的广西粮食产量预测研究

[目的]研究粮食产量的影响因素并以其相关性为基础预测粮食产量对实现广西粮食产业的\"做强做优\"具有重大意义。通常情况下粮食产量与种植技术发展水平、农田耕地面积、土地肥力、气候等诸多因素相关,但是在样本数据不足、数据间关联度不明显的情况下则无法采用回归分析、灰系统等常用预测方法。[方法]文章应用灰色关联分析方法得到水库水量、农田有效灌溉面积、第一产业从业人口、播种面积、除涝面积等5个与广西粮食产量关系最为密切的因子变量,同时取2004~2012年的数据作为学习、训练样本,以2013~2014年的数据为试报样本,并以此建立BP神经网络粮食预测模型。[结果]检验结果表明运用本模型预测粮食产量具有较高的精度和良好的泛化性。[结论]根据模型结果,该文提出提升广西粮食产业发展的可行性建议,即加强水库的管理、引导与粮食产业相关的产业、稳定粮食种植面积、加强洪涝灾害的防御和治理能力、推进农业信息化。     

新疆粮食产量影响因素分析及政策启示

通过对新疆粮食产量影响因素的灰色关联分析及其贡献率比较,结果表明：1980～2009年新疆粮食产量的增长主要取决于农业机械总动力、化肥施用量和有效灌溉面积三个因素;但是在不同时段,各因素对新疆粮食产量增长的作用程度和贡献率不尽相同,其中农业机械总动力和化肥施用量对新疆粮食生产的影响作用和贡献率均呈减弱趋势,而有效灌溉面积和粮食播种面积对新疆粮食生产的制约作用和贡献率则呈逐年加大。     

我国粮食产量影响因素的实证研究

采用回归分析方法对我国31个省（自治区、直辖市）粮食产量的影响因素进行分析,建立以粮食产量为因变量,有效灌溉面积、肥料施用量、大型拖拉机数量、农用柴油机数量为自变量的多元线性回归模型。运用多重共线性、异方差和自相关等计量经济学检验方法,对模型进行检验,采用逐步回归的方法对模型进行修正优化,得出粮食产量与有效灌溉面积、肥料使用量、大型拖拉机数量、农用柴油机数量之间的定量关系,并在此基础上提出提升我国粮食产量的政策建议。     

河南省粮食产量影响因素的实证分析——基于多元线性回归计量经济模型

选取粮食播种面积、农业从业人员、农用机械总动力、农田有效灌溉面积、化肥施用折纯量、农村用电量6个因素作为河南省粮食产量的主要影响因子,通过回归分析,得到影响河南省粮食产量的因素主要为粮食播种面积、化肥使用折纯量,并通过分析,提出了提升河南省粮食生产能力的建议.     

用最大残差法预测粮食产量灰色变化范围问题的探讨

本文应用灰色系统理论,探索在数据较少的情况下,用正负最大残差来确定包络延伸线。对张开型区间、收缩型区间和稳定型区间计算公式的可行性进行了探讨,对预测值的变化区间进行了估计。     

江苏省农业碳排放动态变化影响因素分析及趋势预测

[目的]在分析2000~2015年江苏省农业碳排放的基础上,描述其影响因素,并预测2016~2030年江苏省的农业碳排放量。[方法]运用农业碳排放估算方式计算2000~2015年江苏省农业碳排放量,并运用多元回归模型分解碳排放的影响因素,最后利用灰色预测模型预测2020~2030年江苏省的农业碳排放量。[结果]2000~2015年江苏省农业碳排放量主要呈现三段式变化。2000~2003年,表现为小幅度的先增长后下降趋势;2004~2010年,农业碳排放量呈现快速增长趋势;2011~2015年,农业碳排放总量开始缓步减少。对影响因素的分析结果表明,江苏省农业碳排放的主要影响因素来源于经济发展方面,如单位农业能源消耗、农业人口人均GDP等表征指标。农业科研人员数量对碳排放量减少起到一定的作用。预计2016~2030年江苏省农业碳排放量会持续缓步下降趋势。[结论]2000~2015年江苏省农业碳排放量主要呈现三段式变化。2000~2003年,表现为小幅度的先增长后下降趋势;2004~2010年,农业碳排放量呈现快速增长趋势;2011~2015年,农业碳排放总量开始缓步减少。预测2016~2030年间将呈持续缓步下降趋势。     

黑龙江省木材产业发展影响因素的灰色关联分析

根据11年的《中国林业统计年鉴》和《黑龙江省统计年鉴》数据,对黑龙江省木材产业产品的发展变化趋势进行描述;选择影响发展的主要指标对黑龙江省三类木材加工产业进行灰色关联分析,以产值作为参考数列。结果表明,各指标与不同加工产业的产值的关联度各不相同,企业数量对木材加工及木制品业的产值影响最大,年人均劳动生产率对家具制造业的产值的影响最大,造纸及纸制品业的产品销售率对总产值的影响最大。依据研究结果提出提高木材产业技术含量、推进木材产业集聚发展、保障产业可持续发展等提高产业竞争力的对策。     

黑龙江垦区粮食产量影响因素灰关联分析

文章基于灰关联度理论对影响黑龙江垦区1990～2006年粮食总产量的10个因素进行主次因素影响分析,运用定量分析方法从本质上揭示了粮食单位面积产量及非国有经济是影响垦区粮食总产量的主要因素,为粮食生产决策部门有效提高垦区粮食产量提供一定理论依据。