前言：尋找寫作靈感？中文期刊網用心挑選的農業機械總動力研究，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
摘要:根據北京市近19年農業機械總動力和農用大中型拖拉機的數量，預測2019年—2024年北京市的農業機械總動力及擁有量。采用一元線性回歸模型，對近19年數據進行擬合，回歸模型的P值均小于0.0001，農業機械總動力的回歸模型的相關系數為0.9813，農用大中型拖拉機回歸模型的相關系數為0.8318，結果表明擬合效果較好，并能夠根據所建立的模型預測出北京市2019年—2024年的農業機械的發展情況，從而為北京市農機發展以及農機市場的資源配置提供理論依據。
關鍵詞:農業機械，總動力，拖拉機，預測
農業機械總動力指用于農、林、牧、漁業生產的各種動力機械的動力之和，包括耕作機械、農用排灌機械、收獲機械、植保機械、林業機械、漁業機械、農產品加工機械、農用運輸機械、其他農用機械。農機總動力的市場需求量的時間數據序列常常呈現趨勢性和較大的波動性[1]。目前,關于農機總動力的預測方法主要有線性回歸模型、移動平均法、指數平滑法、最小平方法、龔拍茲曲線和人工神經網絡等[2]。近年來，許多學者根據農業機械總動力預測了未來市場的發展方向。陳思盈等人運用線性趨勢分析法、空間插值法、SPSS相關性分析法對農業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神經網絡（BP－ANN），建立一種新的BP神經網絡非線性組合預測模型，對河北省農機總動力數據建模并預測，模型效果較好[4]。王吉權運用標準神經網絡和改進神經網絡模型對黑龍江省農機總動力數進行預測[5]。鞠金艷選用一元線性回歸、指數函數、三次指數平滑和灰色GM（1,1）4種預測方法分別建立單一預測模型,對黑龍江省農機總動力進行預測[6]。胡陳君通過對云南省農機總動力的歸一化數據作為樣本建立GA－LM－BP神經網絡組合模型進行仿真訓練，模型效果較單一建模效果好[7]。從這些預測分析中，一元線性回歸是一種可靠的預測方法，預測效果較好，所以本文采用一元線性回歸方法進行預測分析。農業機械是發展現代農業的重要物質基礎，農業機械化是農業現代化的重要標志?，F階段，我國經濟進入新常態、改革進入深水區，北京市面臨更加深刻的結構調整。北京農業發展的內外部環境也因此而發生了深刻變化。因此，需要對北京市未來農業機械的發展進行預測研究。為了更好的指導農業發展，根據歷史數據對未來發展趨勢進行預測時需要選擇適當的物理模型，以確保預測模型的準確性。
1預測建模方法和原始數據分析
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）線性相關關系的方法。本文根據北京市近19年農業機械總動力、農用大中型拖拉機的數量和大中型拖拉機配套農具的數量（來源于國家統計局官方網站），采用一元線性回歸方法來分析預測2019年—2024年北京市的農業機械化發展水平。
1.2原始數據。北京市農業機械總動力和農用大中型拖拉機的數量19年的數據（2019年統計數據還未）見表1。表1
1.3原始數據分析。原始數據擬合曲線見圖1和圖2。圖1為北京市近19年農業機械總動力變化曲線，從圖中可以看出，農業機械總動力變化呈現下降趨勢。圖2為農用大中型拖拉機的數量（臺）變化曲線有波動，但總的來說呈現下降趨勢。曲線有波動，但總的來看呈現下降趨勢。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，這導致北京市的農業機械總動力逐年降低。分析結果符合實際情況。
2預測模型
2.1預測模型的建立。根據表1數據預測北京市2019-2025年的農業機械的發展狀況。采用SAS軟件進行統計分析，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）：農業機械總動力的回歸方程為：y1=31463.78375-15.52625x.（1）農業機械總動力的預測的相關系數為0.9813；農用大中型拖拉機的數量的回歸方程為：y2=626142.5526-307.5000x.（2）農用大中型拖拉機的數量預測的相關系數為0.8318；根據回歸模型預測北京市2019年—2024年的農業機械總動力和農用大中型拖拉機的數量見表2。
2.2預測模型的檢驗。根據預測模型的數據，對模型進行檢驗，以分析驗證預測模型的效果。檢驗結果如表3。從表3數據看出，模型預測的相對誤差均小于20%，表明模型效果較好。
3結論
根據北京市近19年的北京市農業機械總動力和農用大中型拖拉機的數量的統計數據進行一元線性回歸建模，預測了2019年—2024年的發展狀況：在未來幾年的發展總趨勢為北京市農業機械總動力和農用大中型拖拉機的數量都將減少，該研究結果可以為北京市農機發展以及農機市場的資源配置提供理論依據。
作者:廉孟茹 孫海霞 任銳 穆炳宇 池江濤 孫雙雙 單位:山西農業大學農業工程學院
