李丹陽，李江全，陳江春，曹衛(wèi)彬

(石河子大學 機械電氣工程學院，新疆 石河子　832000)

?

現(xiàn)代農業(yè)裝備發(fā)展水平綜合評價——基于BP神經網絡

李丹陽，李江全，陳江春，曹衛(wèi)彬

(石河子大學 機械電氣工程學院，新疆 石河子832000)

摘要：為綜合評價現(xiàn)代農業(yè)裝備發(fā)展水平，分別選取了9項一級、20項二級評價指標，運用BP神經網絡法建立了各指標權重系數(shù)計算模型，得到了現(xiàn)代農業(yè)裝備發(fā)展水平綜合評價體系。作為評價體系的應用，基于新疆兵團2005-2012年度統(tǒng)計數(shù)據(jù)，評價了新疆兵團的現(xiàn)代農業(yè)裝備發(fā)展水平，評價結果符合實際情況，表明本文指標設置恰當，指標權重計算模型正確，能夠為現(xiàn)代農業(yè)裝備的發(fā)展提供理論支撐。

關鍵詞：現(xiàn)代農業(yè)裝備；BP神經網絡；綜合評價

0引言

農業(yè)裝備發(fā)展水平的評價研究是我國現(xiàn)代農業(yè)裝備研究領域的熱點。李驊等根據(jù)江蘇省農機化發(fā)展現(xiàn)狀，應用專家調查法確定指標權重，建立了江蘇省農業(yè)機械化綜合評價體系[1]。張曉娜運用灰色關聯(lián)法篩選了農業(yè)機械化評價指標，建立了湖北省農機化評價模型[2]。鞠金艷運用灰色關聯(lián)法分析確定了影響農業(yè)機械化發(fā)展水平的關鍵因素[3]。劉玉梅、田志宏利用計量模型分析了影響我國農機裝備水平的因素, 認為經濟發(fā)展水平對農機裝備發(fā)展貢獻最大[4]。所有這些研究主要集中在農業(yè)機械化的影響因素和區(qū)域性兩方面，尚未有人系統(tǒng)設置及量化分析現(xiàn)代農業(yè)裝備評價指標，更未系統(tǒng)建立具體的綜合評價模型。

現(xiàn)代農業(yè)裝備發(fā)展水平作為一個多系統(tǒng)、多層次的復雜問題，其評價指標屬性間絕大多數(shù)是非線性關系，且各指標對評價結果的影響程度不易確定。本文采用BP神經網絡法建立的綜合評價模型，可以較好地解決以上問題。

1BP神經網絡

BP神經網絡是典型的單向多層次前饋網絡，由輸入層、隱含層和輸出層構成，每層都由若干節(jié)點組成，每一個節(jié)點表示一個神經單元，上層節(jié)點與下層節(jié)點通過權值聯(lián)系。權值的計算步驟如下[5]：

1)原始數(shù)據(jù)歸一化后，給每個連接權值Wij、Vjt、閾值θj與γj賦予區(qū)間(-1,1)內的隨機數(shù)值。

bj=∫(sj)(j=1，2，…，p)

4)利用隱含層的輸出bj、連接權Vjt和閾值γj計算輸出層各單元的輸出Lt，通過傳遞函數(shù)計算輸出層各單元的響應Ct，則

Ct=∫(Lt)(t=1，2，…，q)

(t=1，2，…，q；j=1，2，…，p；0<α<1)

(i=1，2，…，n)；j=1，2，…，p；0<β<1)

9)重新從學習樣本中隨機選取一組輸入和目標樣本，返回步驟3)，直到網絡全局誤差小于預先設定的極小值，即網絡收斂，學習結束。

2評價體系建立

2.1　指標設置

2007年，農業(yè)部頒布了行業(yè)標準NY/T1408.1-2007，該標準包含3個一級指標和10個二級指標。本文考慮到現(xiàn)代農業(yè)裝備水平除了受到標準規(guī)定的耕種收綜合機械化水平、農業(yè)機械化綜合保障能力、農業(yè)機械化綜合效益3個一級指標的影響外，還受到配套結構、產業(yè)水平、經濟水平、文化水平、科研水平、規(guī)模水平6個主要因素的影響，因此本文將標準中設置的3個一級指標擴展為9個，將原來的10個二級指標擴展到20個，得到了新的現(xiàn)代農業(yè)裝備發(fā)展水平評價體系，其框圖如圖1所示。

圖1　現(xiàn)代農業(yè)裝備發(fā)展水平評價指標體系

1)作業(yè)水平(B1)。反映現(xiàn)代農業(yè)裝備在生產中實際作用的大小。原有耕整地機械化程度(B11)、播栽機械化程度(B12)、收獲機械化程度(B13)3個2級指標中，耕整地機械和播栽機械用于產前，收獲機械用于產后，還缺乏產中機械，因此新增加植保機械化程度(B14)、排灌機械化程度(B15)。

2)配套結構(B2)?，F(xiàn)代農業(yè)裝備配套結構是否合理將影響農業(yè)生產。本文根據(jù)我國的農用機械種類，增加小型農機具配套比(B21)和大中型農機具配套比(B22) 2個2級指標。

3)產業(yè)水平(B3)。鑒于農業(yè)產值占GDP比重越大，發(fā)展越落后的事實，在原有農業(yè)從業(yè)人員比重(B31)的基礎上，增加農業(yè)產值占國內生產總值比重(B32)。

4)經濟水平(B4)。反映國民經濟水平和農民發(fā)展農業(yè)裝備的購買力，包括人均GDP(B41)、農民人均年純收入(B42)2個2級指標。

5)文化水平(B5)。反映農業(yè)從業(yè)人員文化程度和應用科技的能力?？紤]到現(xiàn)代農業(yè)裝備的使用需要具備一定的文化水平，在原有受專業(yè)培訓的農機人員比重(B52)的基礎上，增加初中以上文化程度所占比重(B51)，用于反映農民的受教育程度。

6)規(guī)模水平(B6)。反映農業(yè)生產的規(guī)模情況，設置農業(yè)勞均耕地面積(B61)這l個2級指標。

7)保障能力(B7)。反映農機人員、農機裝備和農機社會化服務對提高農業(yè)綜合生產能力的保障水平。現(xiàn)代農業(yè)裝備的使用、維護和推廣需要相關部門的管理和指導，在原有播面頃均農機動力(B71)的基礎上，增加農業(yè)機械化系統(tǒng)機構數(shù)(B72)反映現(xiàn)代農業(yè)裝備發(fā)展的保障能力。

8)效益水平(B8)。衡量農業(yè)經濟發(fā)展狀況。設置農業(yè)勞均年產值(B81)1個2級指標。

9)科技水平(B9)。反映對農機裝備引進、研發(fā)的水平，設置經費支出總額(B91)、科技從業(yè)人員(B92)、經費收入總額(B93)等3個2級指標。

上述指標中，農業(yè)從業(yè)人員比重(B31)和農業(yè)產值占國內生產總值比重(B32)是逆向指標，即指標數(shù)值越大，產業(yè)水平越低；其余均為正向指標。

2.2　權重計算模型

設置指標后，建立如圖2所示的BP神經網絡指標權重計算模型。計算模型分為歸一化模塊和BP神經網絡(BPNN)模塊兩部分。神經網絡的輸入要求在[0，1]區(qū)間，首先，將原始數(shù)據(jù)歸一化，得到與20個二級指標對應的歸一化值；之后，設定神經網絡的輸入層神經單元數(shù)為二級指標數(shù)20，輸出層神經單元數(shù)為1，即輸出量O對應于現(xiàn)代農業(yè)裝備發(fā)展水平。

經過網絡訓練，得到兩個網絡權重矩陣，即從輸入層到隱含層的權重矩陣和隱含層到輸出層的權重矩陣，采用以下幾項指標描述各神經元之間的權重及關系，最終確定一級指標權重和二級指標權重。

圖2　BP神經網絡模型

1)相關顯著性系數(shù)為

(3)

2)相關指數(shù)為

(4)

3)二級指標過渡權重為

(5)

4)一級指標權重為

(6)

5)二級指標權重為

(7)

其中，i為神經網絡輸入單元；j為神經網絡輸出單元；k為神經網絡的隱含單元；wki為輸入層神經元i和隱含層神經元k之間的權重系數(shù)；wjk為輸出層神經元j和隱含層神經元k之間的權重系數(shù)。

2.3　綜合評價

確定了相關權重系數(shù),采用加權指數(shù)綜合評價的方法可以得出綜合評價值，其計算公式為

(8)

(9)

其中，Pi為原始數(shù)據(jù)標準化后的數(shù)值；Bi為一級指標綜合評價值；B為現(xiàn)代農業(yè)裝備發(fā)展水平的綜合評價值。

3兵團現(xiàn)代農業(yè)裝備發(fā)展水平的綜合評價

根據(jù)圖1列出的指標體系設置評價指標，以兵團2005-2012年的統(tǒng)計數(shù)據(jù)作為樣本數(shù)據(jù)，根據(jù)BP神經網絡學習流程進行模擬。在網絡學習的過程中，不斷調整參數(shù)，當隱含層單元數(shù)為18時，擬態(tài)誤差最小，網絡逼近效果良好，表明模型合理。通過網絡訓練得出隱含層各個結點的權重矩陣，運用式(3)～式(7)得出各評價指標的權重，結果如表1所示。表1數(shù)據(jù)表明：

1)一級指標中，新增指標科研水平權重較高，說明科研在評價體系中的重要性；原有指標農業(yè)勞均耕地面積所在的一級指標規(guī)模水平權重最低，表明原有指標已不全是主要影響因素，增加科研水平為評價指標十分必要。

2)二級指標中，新增的植保機械化程度(0.27)在作業(yè)水平中所占權重最高；新增指標農業(yè)產值占GDP比重(0.48)在產業(yè)水平中與原有指標農業(yè)從業(yè)人員比重(0.52)權重相近；新增指標初中以上文化程度所占比重(0.46)在文化水平中與原有指標受專業(yè)培訓的農機人員比重(0.54)權重相近；新增指標農業(yè)機械化系統(tǒng)機構數(shù)(0.73)在保障能力中權重大于原有指標播面頃均農機動力(0.27)，表明增加這些指標使原有指標體系更全面。

3)評價指標體系的擴展拓寬了評價范圍，使評價結果更全面；BP神經網絡法的引入改進了評價指標權重計算精準度，化解了問題的復雜度。

進一步將表1的數(shù)據(jù)代入式(8)、式(9)，得出2005-2012年兵團現(xiàn)代農業(yè)裝備發(fā)展水平的綜合評價值如表2所示。其中，B為新疆兵團現(xiàn)代農業(yè)裝備發(fā)展水平的綜合評價值。綜合評價值越大，說明現(xiàn)代農業(yè)裝備發(fā)展水平越高。由表2中2005-2012年綜合評價值0.75、0.77、0.81、0.81、0.85、0.92、0.96、1.05可以看出：新疆兵團的現(xiàn)代農業(yè)裝備發(fā)展水平穩(wěn)定增長，與實際發(fā)展情況相符合。

表1　各評價指標權重表

表2　2005-2012年新疆兵團現(xiàn)代農業(yè)裝備發(fā)展水平綜合評價值

續(xù)表2

4結論

1)建立了現(xiàn)代農業(yè)裝備發(fā)展水平綜合評價指標體系。該體系在2007年農業(yè)部頒布的行業(yè)標準NY/T 1408.1-2007的基礎上，將標準設置的3個一級指標擴展為9個、10個二級指標擴展到20個。其與原來的標準相比，能夠更全面、系統(tǒng)地評價現(xiàn)代農業(yè)裝備的發(fā)展水平，并為研究現(xiàn)代農業(yè)裝備的發(fā)展提供理論支撐。

2)建立了評價指標體系中各權重系數(shù)的計算模型。該模型首次運用了BP神經網絡法，較好地解決了多因素、不確定性和非線性問題，突破了現(xiàn)有基于線性處理的評價方法的局限。

參考文獻：

[1]李驊,尹文慶.農業(yè)機械化綜合評價指標體系的研究[J].安徽農業(yè)科學, 2006,34(22):5937-5938.

[2]張曉娜.湖北省農業(yè)機械化評價信息系統(tǒng)的研究[D]. 武漢：華中農業(yè)大學, 2006.

[3]鞠金艷,王金武.黑龍江省農業(yè)機械化作業(yè)水平預測方法[J].農業(yè)工程學報, 2009, 25(5):83-88.

[4]劉玉梅,田志宏.中國農機裝備水平的決定因素研究[J].農業(yè)技術經濟, 2008(6):73-79.

[5]劉鯖潔,陳桂明,劉小方,等.BP神經網絡權重和閾值初始化方法研究[J].西南師范大學學報:自然科學版,2010(6):137-141.

Evaluation of Development Level of Modern Agricultural Equipment——Based on BP Neural Network

Li Danyang, Li Jiangquan, Chen Jiangchun, Cao Weibin

(Machinery and Electrical Engineering College, Shihezi University, Shihezi 832000, China)

Abstract：To evaluate the development level of modern agricultural equipment comprehensively, this paper selects 9 primary and 20 secondary indices, using BP neural network method to establish the calculation model of each index weight, and obtained the comprehensive evaluation system of development level of modern agricultural equipment. As an application of evaluation system, the development level of modern agricultural equipment is evaluated based on the 2005-2012 annual statistics of Xinjiang Corps. The evaluation results are in accord with the actual situation. It shows that the index set properly and the index weight calculation model is correct. The establishment of the evaluation system is reasonable to provide theoretical support for the development of modern agricultural equipment.

Key words：modern agricultural equipment; BP neural network; comprehensive evaluation

中圖分類號：S232.3

文獻標識碼：A

文章編號：1003-188X(2016)10-0022-05

作者簡介：李丹陽(1991-)，女，西安人，碩士研究生，(E-mail)332621764@qq.com。通訊作者：李江全(1969-),男，重慶人，教授，碩士生導師，(E-mail)ljq6949@163.com。

基金項目：國家自然科學基金項目(51445015)

收稿日期：2015-09-30