| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 文献综述 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11页 |
| ·国内研究现状 | 第11-13页 |
| ·研究内容及技术路线 | 第13-15页 |
| ·研究内容 | 第13-14页 |
| ·技术路线 | 第14-15页 |
| 第二章 陕西省农业机械化水平评价 | 第15-33页 |
| ·陕西省农机化水平测算 | 第15-22页 |
| ·确定农业机械化水平评价指标体系 | 第15页 |
| ·数据来源和计算方法 | 第15-16页 |
| ·计算结果 | 第16-20页 |
| ·结果分析与讨论 | 第20-22页 |
| ·关键因素识别模型 | 第22-24页 |
| ·灰关联分析原理与步骤 | 第22-23页 |
| ·计算过程 | 第23-24页 |
| ·评价结果分析 | 第24页 |
| ·基于模糊综合评判的发展阶段评判模型 | 第24-31页 |
| ·模糊综合评判的原理和步骤 | 第24-26页 |
| ·模糊综合评判在陕西农机化发展阶段评判中的应用 | 第26-31页 |
| ·促进陕西省农机化发展的措施和建议 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于BP 神经网络的耕种收机械化水平预测 | 第33-44页 |
| ·BP 神经网络概述 | 第33页 |
| ·数据的来源 | 第33-34页 |
| ·基于BP 神经网络的机耕水平预测 | 第34-39页 |
| ·BP 网络的构建 | 第34-37页 |
| ·BP 网络的训练与测试 | 第37-39页 |
| ·基于BP 神经网络的机播水平预测 | 第39-41页 |
| ·隐含层神经元数的确定 | 第39页 |
| ·BP 网络的训练与测试 | 第39-41页 |
| ·基于BP 神经网络的机收水平预测 | 第41-43页 |
| ·隐含层神经元数的确定 | 第41页 |
| ·BP 网络的训练与测试 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于GA-BP 网络耕种收机械化水平的预测 | 第44-56页 |
| ·遗传算法概述 | 第44页 |
| ·GA—BP 模型的实现技术 | 第44-46页 |
| ·编码 | 第44-45页 |
| ·适应度函数的设计 | 第45页 |
| ·初始种群的产生 | 第45页 |
| ·遗传操作 | 第45-46页 |
| ·基于GA—BP 的机耕水平预测 | 第46-49页 |
| ·基于GA—BP 的机播水平预测 | 第49-52页 |
| ·基于GA—BP 的机收水平预测 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于径向基神经网络的耕种收机械化水平预测 | 第56-65页 |
| ·径向基神经网络概述 | 第56页 |
| ·基于径向基网络的机耕水平预测 | 第56-58页 |
| ·基于径向基网络的机播水平预测 | 第58-59页 |
| ·基于径向基网络的机收水平预测 | 第59-61页 |
| ·三种预测模型比较与分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·结论 | 第65页 |
| ·创新之处 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |