前言：寻找写作灵感？中文期刊网用心挑选的农业机械总动力研究，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要:根据北京市近19年农业机械总动力和农用大中型拖拉机的数量，预测2019年—2024年北京市的农业机械总动力及拥有量。采用一元线性回归模型，对近19年数据进行拟合，回归模型的P值均小于0.0001，农业机械总动力的回归模型的相关系数为0.9813，农用大中型拖拉机回归模型的相关系数为0.8318，结果表明拟合效果较好，并能够根据所建立的模型预测出北京市2019年—2024年的农业机械的发展情况，从而为北京市农机发展以及农机市场的资源配置提供理论依据。
关键词:农业机械，总动力，拖拉机，预测
农业机械总动力指用于农、林、牧、渔业生产的各种动力机械的动力之和，包括耕作机械、农用排灌机械、收获机械、植保机械、林业机械、渔业机械、农产品加工机械、农用运输机械、其他农用机械。农机总动力的市场需求量的时间数据序列常常呈现趋势性和较大的波动性[1]。目前,关于农机总动力的预测方法主要有线性回归模型、移动平均法、指数平滑法、最小平方法、龚拍兹曲线和人工神经网络等[2]。近年来，许多学者根据农业机械总动力预测了未来市场的发展方向。陈思盈等人运用线性趋势分析法、空间插值法、SPSS相关性分析法对农业机械总动力及拥有量变化进行研究[3]。贾卓基于一元非线性回归以及BP神经网络（BP－ANN），建立一种新的BP神经网络非线性组合预测模型，对河北省农机总动力数据建模并预测，模型效果较好[4]。王吉权运用标准神经网络和改进神经网络模型对黑龙江省农机总动力数进行预测[5]。鞠金艳选用一元线性回归、指数函数、三次指数平滑和灰色GM（1,1）4种预测方法分别建立单一预测模型,对黑龙江省农机总动力进行预测[6]。胡陈君通过对云南省农机总动力的归一化数据作为样本建立GA－LM－BP神经网络组合模型进行仿真训练，模型效果较单一建模效果好[7]。从这些预测分析中，一元线性回归是一种可靠的预测方法，预测效果较好，所以本文采用一元线性回归方法进行预测分析。农业机械是发展现代农业的重要物质基础，农业机械化是农业现代化的重要标志。现阶段，我国经济进入新常态、改革进入深水区，北京市面临更加深刻的结构调整。北京农业发展的内外部环境也因此而发生了深刻变化。因此，需要对北京市未来农业机械的发展进行预测研究。为了更好的指导农业发展，根据历史数据对未来发展趋势进行预测时需要选择适当的物理模型，以确保预测模型的准确性。
1预测建模方法和原始数据分析
1.1一元线性回归方法。一元线性回归是分析只有一个自变量（自变量x和因变量y）线性相关关系的方法。本文根据北京市近19年农业机械总动力、农用大中型拖拉机的数量和大中型拖拉机配套农具的数量（来源于国家统计局官方网站），采用一元线性回归方法来分析预测2019年—2024年北京市的农业机械化发展水平。
1.2原始数据。北京市农业机械总动力和农用大中型拖拉机的数量19年的数据（2019年统计数据还未）见表1。表1
1.3原始数据分析。原始数据拟合曲线见图1和图2。图1为北京市近19年农业机械总动力变化曲线，从图中可以看出，农业机械总动力变化呈现下降趋势。图2为农用大中型拖拉机的数量（台）变化曲线有波动，但总的来说呈现下降趋势。曲线有波动，但总的来看呈现下降趋势。一段时间以来，北京市随着城市化进程的不断推进，以及退耕还林等政策的实施，为了合理分配与利用土地资源，北京市的耕地面积逐渐减少，这导致北京市的农业机械总动力逐年降低。分析结果符合实际情况。
2预测模型
2.1预测模型的建立。根据表1数据预测北京市2019-2025年的农业机械的发展状况。采用SAS软件进行统计分析，利用一元线性回归方法建立一元线性回归模型，一元线性回归模型的P值均小于0.0001，表明拟合效果较好，建立的回归方程分别见式（2）：农业机械总动力的回归方程为：y1=31463.78375-15.52625x.（1）农业机械总动力的预测的相关系数为0.9813；农用大中型拖拉机的数量的回归方程为：y2=626142.5526-307.5000x.（2）农用大中型拖拉机的数量预测的相关系数为0.8318；根据回归模型预测北京市2019年—2024年的农业机械总动力和农用大中型拖拉机的数量见表2。
2.2预测模型的检验。根据预测模型的数据，对模型进行检验，以分析验证预测模型的效果。检验结果如表3。从表3数据看出，模型预测的相对误差均小于20%，表明模型效果较好。
3结论
根据北京市近19年的北京市农业机械总动力和农用大中型拖拉机的数量的统计数据进行一元线性回归建模，预测了2019年—2024年的发展状况：在未来几年的发展总趋势为北京市农业机械总动力和农用大中型拖拉机的数量都将减少，该研究结果可以为北京市农机发展以及农机市场的资源配置提供理论依据。
作者:廉孟茹 孙海霞 任锐 穆炳宇 池江涛 孙双双 单位:山西农业大学农业工程学院
