許淑芹，周桂霞，于海明，金忠波，張雪峰，秦春蘭

(黑龍江八一農(nóng)墾大學(xué) 工程學(xué)院,黑龍江 大慶　163319)

?

農(nóng)機(jī)總動力影響因素的灰色關(guān)聯(lián)分析—基于G-P算法

許淑芹，周桂霞，于海明，金忠波，張雪峰，秦春蘭

(黑龍江八一農(nóng)墾大學(xué) 工程學(xué)院,黑龍江 大慶163319)

摘要：應(yīng)用混沌理論中的飽和關(guān)聯(lián)維數(shù)法(G-P)與灰色關(guān)聯(lián)分析法，對黑龍江省農(nóng)機(jī)總動力的影響因素進(jìn)行量化分析；以黑龍江省農(nóng)機(jī)總動力作為灰色關(guān)聯(lián)的模型輸出因子及飽和關(guān)聯(lián)維數(shù)法計(jì)算的對象，從農(nóng)業(yè)勞動力、土地生產(chǎn)規(guī)模、購買農(nóng)機(jī)的經(jīng)濟(jì)環(huán)境及農(nóng)機(jī)具的裝備數(shù)量等4個不同的角度出發(fā)，選擇14個不同的農(nóng)機(jī)總動力影響因素作為灰色關(guān)聯(lián)的輸入因子。最終，由飽和關(guān)聯(lián)維數(shù)法計(jì)算農(nóng)機(jī)總動力的嵌入維數(shù)，并與灰色關(guān)聯(lián)法對影響因素進(jìn)行對比分析，得出了影響黑龍江省農(nóng)機(jī)發(fā)展的8個主要影響因素，對主要影響因素進(jìn)行了深入分析，并根據(jù)分析結(jié)果提出了促進(jìn)農(nóng)業(yè)機(jī)械化發(fā)展的建議。

關(guān)鍵詞：農(nóng)機(jī)總動力；灰色關(guān)聯(lián)分析；G-P算法；最佳嵌入維數(shù)

0引言

黑龍江省農(nóng)業(yè)正處于向現(xiàn)代化農(nóng)業(yè)轉(zhuǎn)變的階段，現(xiàn)代農(nóng)業(yè)的發(fā)展與農(nóng)業(yè)機(jī)械化水平息息相關(guān)，提高農(nóng)業(yè)機(jī)械化水平仍是一個有待解決的重要問題。農(nóng)業(yè)機(jī)械化水平的提高受到眾多影響因素的制約，研究制約農(nóng)業(yè)機(jī)械化發(fā)展的影響因素，從而確定其主要影響因素，有助于對農(nóng)業(yè)機(jī)械化水平提高的研究，對促進(jìn)黑龍江省現(xiàn)代農(nóng)業(yè)的發(fā)展具有重要的意義。

本文選取農(nóng)機(jī)總動力作為農(nóng)業(yè)機(jī)械化發(fā)展水平的一個量化指標(biāo)。農(nóng)機(jī)總動力是指從事于農(nóng)、林、牧、漁業(yè)所有機(jī)械動力之和[1]，目前確定農(nóng)機(jī)總動力影響因素的方法主要有主成分分析法[2]、逐步回歸法[3]及灰色關(guān)聯(lián)法[4]。每個計(jì)算方法都有各自的特點(diǎn)：主成分分析法主要是用來研究眾多影響因素的排序，而無法確定各個指標(biāo)值與目標(biāo)值之間關(guān)系方法；逐步回歸分析法在篩選變量時計(jì)算得到的量化結(jié)果與現(xiàn)實(shí)調(diào)查分析出現(xiàn)不符的現(xiàn)象；灰色關(guān)聯(lián)分析可以計(jì)算各個影響因素與農(nóng)機(jī)總動力的關(guān)聯(lián)度的大小，但只能提取對因變量影響的程度，不能確定預(yù)測模型中影響因素的個數(shù)?；煦缋碚撝械娘柡完P(guān)聯(lián)維數(shù)法(G-P)是由Grassberger和Procaccia提出用來計(jì)算實(shí)驗(yàn)數(shù)據(jù)的關(guān)聯(lián)維數(shù)的方法，早在1983年進(jìn)入實(shí)際應(yīng)用階段[5]?；煦缋碚撛谵r(nóng)業(yè)方面的應(yīng)用已較為成熟：蔣夕平等采用混沌理論對農(nóng)業(yè)經(jīng)濟(jì)的混沌特性進(jìn)行判定并結(jié)合神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測；于新偉等采用混沌理論研究水土資源的復(fù)雜性[6]；張鋒偉等將混沌理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合對甘肅省的大中型的拖拉機(jī)的需求量的影響因素進(jìn)行了分析研究[7]；李建鳳應(yīng)用混沌理論對全國農(nóng)機(jī)總動力進(jìn)行了混沌特性的判定[8]。由上述分析可知：混沌理論中G-P算法可以計(jì)算黑龍江省農(nóng)機(jī)總動力時間序列的最佳嵌入維數(shù)m，最佳嵌入維數(shù)m可描述農(nóng)機(jī)總動力建模時所需要變量的控制參數(shù)[9]，同時也能說明農(nóng)機(jī)總動力影響因素的數(shù)目。故采用混沌理論中的飽和關(guān)聯(lián)維數(shù)算法來確定影響農(nóng)機(jī)總動力的因素個數(shù)，以彌補(bǔ)灰色關(guān)聯(lián)分析法中存在的不足。

1農(nóng)機(jī)總動力影響因素數(shù)目的計(jì)算

1.1　G-P分析方法

農(nóng)機(jī)總動力的增長特性具有離散性和復(fù)雜性，其發(fā)展是由多種影響因素的相互影響及策動而形成。因此，應(yīng)用混沌理論研究農(nóng)機(jī)總動力增長復(fù)雜多變的特性。李建鳳等已經(jīng)證實(shí)了我國農(nóng)機(jī)總動力具有混沌特性，研究黑龍江省農(nóng)機(jī)總動力的混沌特性需要把數(shù)據(jù)嵌入成高維空間數(shù)據(jù)。Taken已經(jīng)證實(shí)了最佳嵌入維數(shù)所重構(gòu)的單變量時間序列，可以充分地展示該序列發(fā)展規(guī)律的軌跡。嵌入維數(shù)所重構(gòu)的單變量時間序列一般稱之為相空間重構(gòu)，相空間重構(gòu)的兩個重要參數(shù)分別是延遲時間τ與最佳嵌入維數(shù)m，兩個參數(shù)的選擇不宜過大或者過小。延遲時間τ的選擇采用自相關(guān)函數(shù)法，嵌入維數(shù)m的數(shù)值取值范圍與延遲時間τ息息相關(guān)。相空間重構(gòu)兩個重要參數(shù)的計(jì)算方法如下：

1)延遲時間τ的計(jì)算。選用自相關(guān)函數(shù)法來求解延遲時間τ，自相關(guān)函數(shù)求解如式(1)，選擇自相關(guān)函數(shù)下降到1-1/e處作為延遲時間，則

(1)

2)最佳嵌入維數(shù)m的計(jì)算。G-P算法是求解最佳嵌入維數(shù)m(描述動力系統(tǒng)的變化特性)一種簡便易行的方法，具體步驟如下。

Stept1：估算嵌入維數(shù)m的取值范圍。將農(nóng)機(jī)總動力時間序列數(shù)據(jù)輸入相應(yīng)的程序，運(yùn)用FTT變換計(jì)算農(nóng)機(jī)總動力的平均時間周期T；由平均時間周期T代入分離間隔ω的求解公式，分離間隔公式為ω=T/Δt。將分離間隔ω作為時間窗τω，由公式(2)可得嵌入維數(shù)m，則

τω=(m-1)τ

(2)

Stept2：對黑龍江省農(nóng)機(jī)總動力時間序列Y={Y1,Y2，...，YM}進(jìn)行相空間重構(gòu)。將估算的嵌入維數(shù)m與延遲時間τ對農(nóng)機(jī)總動力進(jìn)行相空間重構(gòu)。相空間重構(gòu)后的農(nóng)機(jī)總動力的高維序列為

Yi={yiyi+τ…yi+(m-1τ)}

其中，N=M-(m-1)；N為相空間重構(gòu)中的相點(diǎn)數(shù)；M為農(nóng)機(jī)總動力時間序列的長度。

Stept3：運(yùn)用關(guān)聯(lián)積分計(jì)算重構(gòu)后相空間的最佳嵌入維數(shù)m,其計(jì)算公式為

(3)

(4)

其中，D(m,r)為常數(shù)即飽和關(guān)聯(lián)維數(shù)。當(dāng)r處在無標(biāo)度區(qū)時，選取兩個距離相似的r1與r2，則

(5)

(6)

由公式(6)可知：關(guān)聯(lián)維數(shù)D(m,r)數(shù)值的大小等于lnC(r)與lnr曲線的斜率。通過繪畫關(guān)聯(lián)維數(shù)D與嵌入維數(shù)m的曲線關(guān)系圖，可求解出黑龍江省農(nóng)機(jī)總動力的最佳嵌入維數(shù)。所謂的最佳嵌入維數(shù)就是關(guān)聯(lián)維數(shù)D值隨著m逐漸增大而不再變化，lnC(r)_lnr曲線的斜率最終趨于一個穩(wěn)定值，此時所對應(yīng)lnC(r)_lnr曲線的斜率的m值為最佳嵌入維數(shù)，說明了影響農(nóng)機(jī)發(fā)展的影響因素大致有m個。

1.2　黑龍江省農(nóng)機(jī)總動力的最佳嵌入維數(shù)計(jì)算結(jié)果

1)延遲時間τ的計(jì)算結(jié)果。查閱《黑龍江省統(tǒng)計(jì)年鑒》[11]獲取1993年-2012年黑龍江省農(nóng)機(jī)總動力的數(shù)據(jù)，將農(nóng)機(jī)總動力數(shù)據(jù)帶入公式(1)應(yīng)用MatLab計(jì)算得延遲時間，所得計(jì)算結(jié)果如圖1所示。

圖 1　延遲時間τ

圖1中：Lag表示延遲時間τ；縱坐標(biāo)表示統(tǒng)計(jì)量R(τ)。曲線中，R(τ)=1-1/e=0.6321，所對應(yīng)的數(shù)值為延遲時間τ。由圖1可知：延遲時間τ=3。

2)最佳嵌入維數(shù)的計(jì)算結(jié)果。應(yīng)用MatLab對1993-2012年黑龍江省農(nóng)機(jī)總動進(jìn)行FFT變換，可得到T=17。農(nóng)機(jī)總動力的數(shù)據(jù)每年進(jìn)行統(tǒng)計(jì)一次，所以Δt=1。將數(shù)據(jù)代入公式得ω=T/Δt=17，由上述公式求得相應(yīng)的嵌入維數(shù)mω=6，可得嵌入維數(shù)m的取值范圍為2～10。應(yīng)用MatLab計(jì)算公式(3)中的lnC(r)與lnr，計(jì)算數(shù)值如圖2與圖3所示，并繪出相應(yīng)的InC(r)_lnr曲線，如圖4所示。

圖2　 關(guān)聯(lián)積分計(jì)算得到lnr值

圖3　關(guān)聯(lián)積分計(jì)算得到lnC(r)值

圖4　InC(r)_lnr關(guān)系曲線

應(yīng)用MatLab軟件對公式(6)的數(shù)值進(jìn)行最小二乘擬合，以lnC(r)與lnr的直線斜率D為縱坐標(biāo)，以嵌入維數(shù)m(1～10)的取值為橫坐標(biāo)，繪畫關(guān)聯(lián)維數(shù)D與嵌入維數(shù)m的曲線關(guān)系圖，如圖5所示。由圖5可知：m=8時關(guān)聯(lián)維數(shù)D基本趨于飽和，隨著嵌入維數(shù)m的增大，數(shù)值D趨于穩(wěn)定，所以此時所對應(yīng)的嵌入維數(shù)為所選取的最佳嵌入維數(shù)m的取值大約為8。由混沌理論中的G-P算法分析影響黑龍江省農(nóng)業(yè)機(jī)械化發(fā)展的影響因素大致有8個。

圖5　嵌入維數(shù)m與關(guān)聯(lián)維數(shù)D變化關(guān)系曲線

2灰色關(guān)聯(lián)性分析

2.1　灰色關(guān)聯(lián)分析理論

1)消除數(shù)據(jù)的單位量綱。采用標(biāo)準(zhǔn)化變換的方法來處理不同單位的數(shù)據(jù)，則農(nóng)機(jī)總動力標(biāo)準(zhǔn)化計(jì)算公式為

各個相關(guān)因素的標(biāo)準(zhǔn)化計(jì)算公式為

2)計(jì)算關(guān)聯(lián)系數(shù)，其計(jì)算公式為

3)計(jì)算關(guān)聯(lián)度γ，公式為

其中，n為農(nóng)機(jī)總動力以及影響因素數(shù)據(jù)的年限，n=20。

4)對上述計(jì)算的影響因素與農(nóng)機(jī)總動力關(guān)聯(lián)度數(shù)值進(jìn)行排序。

2.2　農(nóng)機(jī)總動力主要因素分析結(jié)果

影響農(nóng)業(yè)機(jī)械化發(fā)展的因素除了外在無法統(tǒng)計(jì)的因素外，結(jié)合現(xiàn)有的資料與數(shù)據(jù)的可統(tǒng)計(jì)性。本文從農(nóng)業(yè)勞動力、土地生產(chǎn)規(guī)模、購買農(nóng)機(jī)的經(jīng)濟(jì)環(huán)境及農(nóng)機(jī)具的裝備數(shù)量等4個不同的角度[12-13]來研究影響黑龍江省農(nóng)機(jī)的發(fā)展因素。通過查閱《中國統(tǒng)計(jì)年鑒》[14]《中國農(nóng)村統(tǒng)計(jì)年鑒》[15]《黑龍江省統(tǒng)計(jì)年鑒》[11]來獲取上述14個不同的層面的影響因素作為灰色關(guān)聯(lián)的輸入因子。灰色關(guān)聯(lián)模型的輸入因子為：勞動力轉(zhuǎn)移率(x1)、鄉(xiāng)村勞動力(x2)、農(nóng)業(yè)從業(yè)人員(x3)、農(nóng)業(yè)勞動力素質(zhì)(x4)、人均耕地面積(x5)、最大農(nóng)作物種植比重(x6)、農(nóng)機(jī)具價格指數(shù)(x7)、農(nóng)機(jī)用油價格指數(shù)(x8)、小型拖拉機(jī)的數(shù)量(x9)、大中型拖拉機(jī)的數(shù)量(x10)、政府對農(nóng)業(yè)的投入(x11)、農(nóng)村集體經(jīng)濟(jì)固定資產(chǎn)投產(chǎn)(x12)、農(nóng)民人均收入(x13)、地區(qū)農(nóng)業(yè)總產(chǎn)值(x14)。選取1993-2012年黑龍江省農(nóng)機(jī)灰色關(guān)聯(lián)模型的輸出因子，運(yùn)用DPS軟件對上述數(shù)據(jù)進(jìn)行灰色關(guān)聯(lián)分析，農(nóng)機(jī)總動力與各影響因素的關(guān)聯(lián)結(jié)果如表1所示。

表1　各個年度關(guān)聯(lián)度的計(jì)算結(jié)果

將最佳嵌入維數(shù)與灰色關(guān)聯(lián)分析的結(jié)果相結(jié)合，確定出與農(nóng)機(jī)總動力關(guān)聯(lián)度較高的8個影響因素。影響因素與農(nóng)機(jī)總動力的關(guān)聯(lián)度順序?yàn)椋恨r(nóng)民人居收入x13>地區(qū)農(nóng)業(yè)總產(chǎn)值x14>農(nóng)村勞動力轉(zhuǎn)移率x1>最大農(nóng)作物種植比重x6>農(nóng)村集體經(jīng)濟(jì)固定資產(chǎn)投產(chǎn)x12>農(nóng)業(yè)勞動力素質(zhì)x4>政府對農(nóng)業(yè)財政的投入x11>小型拖拉機(jī)的數(shù)量x9。

3主要影響因素的灰色關(guān)聯(lián)度對比分析

應(yīng)用DPS對相關(guān)影響因素進(jìn)行關(guān)聯(lián)度計(jì)算，計(jì)算的年限分別取1993-2011年、1993-2010年、1993-2009年的3個時間段，應(yīng)用DPS軟件計(jì)算所得到的結(jié)果如表1所示。

3.1　農(nóng)業(yè)勞動力影響因素對比分析

農(nóng)村勞動力轉(zhuǎn)移率與農(nóng)業(yè)勞動力素質(zhì)是影響農(nóng)機(jī)發(fā)展的關(guān)鍵因素，鄉(xiāng)村從業(yè)人員和鄉(xiāng)村勞動力對農(nóng)機(jī)發(fā)展的影響較弱。農(nóng)村勞動力轉(zhuǎn)移率對農(nóng)機(jī)總動力的關(guān)聯(lián)順序由2009年的第4位上升到第3位，說明農(nóng)村勞動力向非農(nóng)業(yè)部門的轉(zhuǎn)移對農(nóng)業(yè)機(jī)械化的發(fā)展影響較顯著。但農(nóng)村勞動力的轉(zhuǎn)移人員大多是強(qiáng)壯青年和勞動素質(zhì)相對高的勞動人員，所以由近幾年勞動力素質(zhì)與農(nóng)機(jī)總動力的關(guān)聯(lián)順序排名的第4位逐漸降至第6位，這種關(guān)聯(lián)順序的逐漸減弱勢必會影響農(nóng)業(yè)機(jī)械化的發(fā)展水平，所以相關(guān)農(nóng)業(yè)部門應(yīng)該加大對農(nóng)業(yè)從業(yè)人員的相關(guān)基層農(nóng)機(jī)管理的培訓(xùn)。

3.2　土地生產(chǎn)規(guī)模對比分析

由計(jì)算結(jié)果知：最大農(nóng)作物種植比重與農(nóng)機(jī)總動力的關(guān)聯(lián)度比較大，并且每年關(guān)聯(lián)度排序呈現(xiàn)上升趨勢。由此推出農(nóng)作物的規(guī)模化能夠促進(jìn)農(nóng)業(yè)機(jī)械化的發(fā)展。在土地生產(chǎn)規(guī)模影響因素方面，人均耕地面積與農(nóng)機(jī)總動力的關(guān)聯(lián)度較小。雖然農(nóng)村勞動力轉(zhuǎn)移率在不斷增加，人均耕地面積稍微有所增長，但土地經(jīng)營模式還未發(fā)展變化。應(yīng)在家庭承包制不變的基礎(chǔ)上改善土地流轉(zhuǎn)機(jī)制，以達(dá)到減少的細(xì)碎化程度，擴(kuò)大土地經(jīng)營規(guī)模。

3.3　購買農(nóng)機(jī)的經(jīng)濟(jì)環(huán)境對比分析

由表1可知：農(nóng)民人均收入和地區(qū)農(nóng)業(yè)總產(chǎn)值在農(nóng)機(jī)購買方面是影響農(nóng)業(yè)機(jī)械化發(fā)展的兩大影響因素，近3年在農(nóng)機(jī)發(fā)展中一直處于主導(dǎo)地位；而農(nóng)村集體經(jīng)濟(jì)固定資產(chǎn)投產(chǎn)和政府對農(nóng)業(yè)財政的投入相對影響較弱，但近3年政府的財政投入相對也在加大，政府財政的投入因素與農(nóng)機(jī)的關(guān)聯(lián)度順序也在穩(wěn)步上升。由此可知：農(nóng)民在購買農(nóng)機(jī)方面是主體而政府的財政補(bǔ)助是輔助，農(nóng)民的人均收入及農(nóng)業(yè)的產(chǎn)值效益影響了農(nóng)民對農(nóng)機(jī)的投入狀況。但現(xiàn)階段農(nóng)民的收入并不是太高，農(nóng)民的經(jīng)濟(jì)收入來源同樣也是有一定的限度，在農(nóng)民收入有限的情況下把現(xiàn)有的資金投入到農(nóng)機(jī)的購買以及設(shè)備的配置方面，購買力度將也不會顯著。因此，提高農(nóng)業(yè)機(jī)械化裝備水平政府可以采取一定的措施來促進(jìn)農(nóng)民的人均收入水平及農(nóng)業(yè)與農(nóng)產(chǎn)品的產(chǎn)值效益，實(shí)現(xiàn)企業(yè)與農(nóng)戶合作，這樣既能保證農(nóng)戶的利益，也降低了企業(yè)的生產(chǎn)成本。

3.4　農(nóng)機(jī)具的裝備數(shù)量對比分析

小型拖拉機(jī)的數(shù)量及大中型拖拉機(jī)的數(shù)量作為農(nóng)機(jī)裝備影響因素的代表，通過灰色關(guān)聯(lián)度計(jì)算分析知：小型拖拉機(jī)數(shù)量與農(nóng)機(jī)總動力的關(guān)聯(lián)度相對較大。對小型拖拉數(shù)量近3年的關(guān)聯(lián)度順序觀察可知：影響程度呈現(xiàn)下降趨勢，農(nóng)業(yè)機(jī)械在數(shù)量上出現(xiàn)飽和現(xiàn)象，可以通過折舊更新相對馬力較大的機(jī)械促進(jìn)農(nóng)業(yè)機(jī)械化的發(fā)展。

4結(jié)論

1)運(yùn)用MatLab軟件對農(nóng)機(jī)總動力的G-P算法理論編程計(jì)算，計(jì)算得到最佳嵌入維數(shù)m=8，影響農(nóng)機(jī)總動力發(fā)展的主要因素大致有8個，構(gòu)建農(nóng)機(jī)總動力的因變預(yù)測模型需要8個自變量。

2)應(yīng)用灰色關(guān)聯(lián)分析法對農(nóng)業(yè)勞動力、土地生產(chǎn)規(guī)模、購買農(nóng)機(jī)的經(jīng)濟(jì)環(huán)境及農(nóng)機(jī)具的裝備數(shù)量等4個不同的角度研究影響黑龍江省農(nóng)業(yè)機(jī)械化發(fā)展的影響因素，從14個影響因素中計(jì)算與農(nóng)機(jī)總動力關(guān)聯(lián)度的較大8個因素分別是：農(nóng)民人居收入、地區(qū)農(nóng)業(yè)總產(chǎn)值、農(nóng)村勞動力轉(zhuǎn)移率、最大農(nóng)作物種植比重、農(nóng)村集體經(jīng)濟(jì)固定資產(chǎn)投產(chǎn)、農(nóng)業(yè)勞動力素質(zhì)、政府對農(nóng)業(yè)財政的投入、小型拖拉機(jī)的數(shù)量。

3)由灰色關(guān)聯(lián)分析對黑龍江省農(nóng)業(yè)機(jī)械總動力主要影響因素對比分析，得出了促進(jìn)農(nóng)業(yè)機(jī)械化的發(fā)展相關(guān)建議：①農(nóng)民是促進(jìn)農(nóng)業(yè)機(jī)械化發(fā)展的主力軍，政府不但要加大政府補(bǔ)貼，還要促進(jìn)農(nóng)民人均收入。為了保證農(nóng)民的收入穩(wěn)定性可以采用企業(yè)與農(nóng)戶的合作模式，這種合作方式可實(shí)現(xiàn)共同享有利益，共同承擔(dān)風(fēng)險。②對農(nóng)業(yè)勞動力素質(zhì)的培訓(xùn)上，政府需要加大基層農(nóng)業(yè)從業(yè)人員的農(nóng)機(jī)管理培訓(xùn)。③農(nóng)機(jī)耕作土地規(guī)模方面，應(yīng)采取在家庭承包制不變的基礎(chǔ)上，加快土地流轉(zhuǎn)速度以達(dá)到減少土地細(xì)碎化程度。④農(nóng)機(jī)具的裝備方面，農(nóng)業(yè)機(jī)械化的發(fā)展水平應(yīng)在農(nóng)機(jī)具折舊更新時投入大馬力的農(nóng)業(yè)機(jī)械，農(nóng)機(jī)裝備的數(shù)量發(fā)展基本達(dá)到飽和。

參考文獻(xiàn)：

[1]王吉權(quán)，王福林，邱立春.基于BP神經(jīng)網(wǎng)路的農(nóng)機(jī)總動力預(yù)測[J].農(nóng)業(yè)機(jī)械學(xué)報,2011，42(12):124-126.

[2]劉蕓蕓，李紅.基于主成分回歸模型的新疆農(nóng)業(yè)機(jī)械化發(fā)展影響因素評價[J].貴州農(nóng)業(yè)科學(xué),2013,41(9):197-201.

[3]陳寶峰，白人樸，劉廣利.影響山西省農(nóng)機(jī)化水平的多因素逐步回歸分析[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2005,10(4)：115-118.

[4]鄭文鐘，應(yīng)霞芳.農(nóng)業(yè)機(jī)械總動力變化影響因素的灰色關(guān)聯(lián)分析[J].農(nóng)機(jī)化研究，2007(12):8-11.

[5]黨建武，黃建國.基于G-P算法的關(guān)聯(lián)維計(jì)算中參數(shù)取值的研究[J].計(jì)算機(jī)應(yīng)用研究，2004(1):48-50.

[6]于新偉.基于混沌理論的建三江分局水土資源復(fù)雜性研究[D].哈爾濱:東北農(nóng)業(yè)大學(xué)，2013.

[7]張鋒偉，趙武云.甘肅省農(nóng)用大中型拖拉機(jī)需求量預(yù)測模型及時效性分析[J].中國農(nóng)機(jī)化，2010(2):27-30.

[8]李建鳳.農(nóng)業(yè)機(jī)械化系統(tǒng)的混沌判定以及混沌預(yù)測[D].長春:吉林大學(xué)，2007.

[9]陳復(fù)興.甘肅省大中型拖拉機(jī)需求量分析[D].蘭州：甘肅農(nóng)業(yè)大學(xué)，2008.

[10]趙曉東，張宏建，周洪亮.基于混沌理論的河流藻類生長特性分析—以德國易北河為例[J].生態(tài)學(xué)報，2015,17(35):1-14.

[11]黑龍江省統(tǒng)計(jì)局.黑龍江統(tǒng)計(jì)年鑒(1994-2013)[M].北京:中國統(tǒng)計(jì)出版社,1994-2013.

[12]鞠金艷，王金武.黑龍江省農(nóng)業(yè)機(jī)械化發(fā)展關(guān)鍵影響因素分析[J].農(nóng)機(jī)化研究，2014,36(2):60-64.

[13]戴立勛，魏宏安.甘肅省農(nóng)業(yè)機(jī)械化影響因素的量化分析[J].中國農(nóng)機(jī)化 ，2010(4):24-28.

[14]國家統(tǒng)計(jì)局.中國統(tǒng)計(jì)年鑒(1994-2013)[M].北京:中國統(tǒng)計(jì)出版社，1994-2013.

[15]國家統(tǒng)計(jì)局.中國農(nóng)村統(tǒng)計(jì)年鑒(1994-2013)[M].北京:中國統(tǒng)計(jì)出版社，1994-2013.

Abstract ID:1003-188X(2016)12-0056-EA

Grey Correlation Analysis on Impact Factors of AgriculturalMachinery Total Power—Based on GP Algorithm

Xu Shuqin, Zhou Guixia, Yu Haiming, Jin Zhongbo, Zhang Xuefeng, Qin Chunlan

(Heilongjiang Bayi Agricultural University， Faculty of Engineering , Daqing 163319, China)

Abstract：This paper use the GP algorithm and grey correlation to quantify the impact factors of Agricultural Machinery Total Power of Heilongjiang Province. It takes the Agricultural Machinery Total Power of Heilongjiang Province as gray relational model output factor and GP method of research object. From four different angles of agricultural labor, land production scale, to buy farm machinery economic environment, the number of farm machinery equipment to select 14 different Agricultural Machine Power factors as input factor of Grey Relational Model. The final step will combine the embedding dimension of Agricultural Machine Power which is calculated by GP method with the comparative Analysis result of gray correlation method 14 factors. It is observed that there are eight main factors affecting Agricultural Mechanization development of Heilongjiang Province. Overall, the main factors are deeply analyzed and some recommendations based on the analysis results to promote the Agricultural Mechanization development.

Key words：agricultural machinery total power; grey correlation analysis; GP algorithm; the optimal embedding dimension

中圖分類號：S232.3

文獻(xiàn)標(biāo)識碼：A

文章編號：1003-188X(2016)12-0056-05

作者簡介：許淑芹(1988-)，女，山東菏澤人，碩士研究生，(E-mail)1033310192@qq.com。通訊作者：周桂霞(1972-)，女，山東巨野人，副教授，博士，(E-mail)357652493@qq.com。

基金項(xiàng)目：黑龍江省自然科學(xué)基金項(xiàng)目(C2015037)

收稿日期：2015-11-02