農(nóng)機(jī)總動力增長波動影響因素分析

鞠金艷，趙　林，王金峰（. 黑龍江科技大學(xué)機(jī)械工程學(xué)院，哈爾濱 500；　. 東北農(nóng)業(yè)大學(xué)工程學(xué)院，哈爾濱 50030）

?

農(nóng)機(jī)總動力增長波動影響因素分析

鞠金艷1，趙林1，王金峰2
（1. 黑龍江科技大學(xué)機(jī)械工程學(xué)院，哈爾濱 150022；2. 東北農(nóng)業(yè)大學(xué)工程學(xué)院，哈爾濱 150030）

摘要：為了明確農(nóng)機(jī)總動力增長波動變化的特征，分析不同因素對農(nóng)機(jī)總動力增長波動影響的大小，進(jìn)而采取有效的措施來穩(wěn)定和加快農(nóng)機(jī)總動力增長。針對農(nóng)機(jī)總動力增長波動的復(fù)雜性與非線性的特點(diǎn)，采用經(jīng)驗(yàn)?zāi)B(tài)分解法對1986－2013年農(nóng)機(jī)總動力增長及其影響因素進(jìn)行多層次、多尺度分解，得到各本征模態(tài)函數(shù)分量和趨勢量，并采用集對分析理論分析農(nóng)機(jī)總動力增長各本征模態(tài)函數(shù)分量與其相對應(yīng)影響因素之間的聯(lián)系度，進(jìn)而計(jì)算得到各影響因素對農(nóng)機(jī)總動力增長波動的綜合影響率。結(jié)果表明，政府投入、勞均（每個勞動力）播種面積、燃料價格指數(shù)、糧食單產(chǎn)、非農(nóng)產(chǎn)業(yè)的發(fā)展和第一產(chǎn)業(yè)從業(yè)人員數(shù)對農(nóng)機(jī)總動力增長波動的綜合影響率分別為23.89%、23.73%、23.67%、7.13%、7.41%和14.17%，農(nóng)民人均純收入、農(nóng)業(yè)勞均產(chǎn)值、機(jī)械化農(nóng)具價格指數(shù)、初中文化以上農(nóng)村勞動力比例4個影響因素對農(nóng)機(jī)總動力增長波動不產(chǎn)生影響，只對增長趨勢量有影響。該研究成果為農(nóng)業(yè)機(jī)械化發(fā)展政策的調(diào)整和制定提供了參考。

關(guān)鍵詞：農(nóng)業(yè)機(jī)械；信號分析；糧食；農(nóng)機(jī)總動力；經(jīng)驗(yàn)?zāi)B(tài)分解法；集對分析；影響因素；綜合影響率

鞠金艷，趙林，王金峰. 農(nóng)機(jī)總動力增長波動影響因素分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32（2）：84－91.

Ju Jinyan， Zhao Lin， Wang Jinfeng. Fluctuations influence factors analysis of growth of agricultural machinery total power[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2016， 32（2）: 84－91. （in Chinese with English abstract）doi：10.11975/j.issn.1002-6819.2016.02.013http://www.tcsae.org

0　引　言

農(nóng)機(jī)總動力是指用于農(nóng)、林、牧、漁業(yè)的各種動力機(jī)械的動力總和[1-2]。農(nóng)機(jī)總動力作為衡量農(nóng)業(yè)機(jī)械化發(fā)展水平的主要指標(biāo)，是有關(guān)決策部門制定農(nóng)業(yè)機(jī)械化發(fā)展政策、規(guī)劃的重要參考依據(jù)。農(nóng)機(jī)總動力的增長對加速發(fā)展農(nóng)業(yè)機(jī)械化，實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化，全面建設(shè)社會主義新農(nóng)村，保證糧食生產(chǎn)和糧食安全等有重要意義。因此，研究農(nóng)機(jī)總動力增長波動變化的特征及其主要影響因素，對采取有效的措施保障其穩(wěn)定和快速的增長具有重要的意義。中國農(nóng)機(jī)總動力總量增長速度很快，由1986年的22 950萬kW增長到2013年的103 906.8萬kW，但與實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化的發(fā)展要求還有一定差距。目前學(xué)者主要對農(nóng)機(jī)總動力總量及其主要影響因素進(jìn)行研究，集中于研究農(nóng)機(jī)總動力總量發(fā)展的變化規(guī)律預(yù)測、空間區(qū)域差異及影響因素等[3-6]，采用的方法主要有數(shù)據(jù)包絡(luò)分析、灰色預(yù)測、小波分析、神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法等[7-9]。目前尚未有針對農(nóng)機(jī)總動力增長波動的特征，應(yīng)用經(jīng)驗(yàn)?zāi)B(tài)分解法和集對分析法進(jìn)行增長波動特征及其主要影響因素研究的報(bào)道。

農(nóng)機(jī)總動力增長的波動是受政策、自然條件、經(jīng)濟(jì)和社會發(fā)展等多方面因素共同作用的結(jié)果，具有一定的復(fù)雜性，波動呈非線性和非平穩(wěn)性的特點(diǎn)，包含多種時間尺度的變化和局部特征。Huang N.E.提出的經(jīng)驗(yàn)?zāi)B(tài)分解法（empirical mode decomposition，EMD）[10-13]，是一種能處理非線性、非平穩(wěn)信號的諧波分析方法，該方法依據(jù)信號的特點(diǎn)逐級進(jìn)行線性化和平穩(wěn)化處理，分離出包含原信號不同時間尺度特征信息的波動分量，其中，多個單一時間尺度的波動分量被定義為本征模態(tài)函數(shù)（intrinsic mode function，IMF），而殘余項(xiàng)被定義為趨勢量R。與傳統(tǒng)的波動測定方法相比，EMD分解法對信號的分解具有客觀性和穩(wěn)定性，既能有效的分解出信號不同的波動特征即本征模態(tài)函數(shù)，又能真實(shí)的提取出信號的發(fā)展趨勢量，具有明顯優(yōu)勢[14-15]。

采用EMD分解法提取1986－2013年農(nóng)機(jī)總動力增長及其影響因素各時間序列不同的IMF分量和趨勢量，并確定農(nóng)機(jī)總動力增長各IMF波動分量相對應(yīng)的影響因素，然后采用集對分析理論（set pair analysis method，SPA）[16-18]，對農(nóng)機(jī)總動力增長波動分量IMF及其相對應(yīng)的影響因素的不同IMF分量進(jìn)行同、異、反分析，進(jìn)而求得在不同時間尺度上各影響因素對農(nóng)機(jī)總動力增長波動的影響程度，得到農(nóng)機(jī)總動力增長波動發(fā)展的某些規(guī)律和主要影響因素，以期為農(nóng)業(yè)機(jī)械化管理部門有針對性的調(diào)整和制定農(nóng)業(yè)機(jī)械化發(fā)展政策、措施等提供參考。

1　農(nóng)機(jī)總動力增長影響因素的選取與數(shù)據(jù)獲得

1.1影響因素的選取

農(nóng)機(jī)總動力增長影響因素的選取直接影響分析結(jié)果的準(zhǔn)確性，考慮農(nóng)機(jī)總動力增長受政策、自然條件、經(jīng)濟(jì)和社會發(fā)展水平等多方面因素的影響[6，19-21]，通過調(diào)研分析和征詢專家意見歸納出以下6個方面的農(nóng)業(yè)生產(chǎn)對農(nóng)機(jī)總動力增長的需求動因，在充分考慮需求動因和指標(biāo)的可獲得性的基礎(chǔ)上，提煉出具體指標(biāo)來分析影響農(nóng)機(jī)總動力增長的主要因素：1）農(nóng)機(jī)總動力的發(fā)展變化受政府政策的影響較大，農(nóng)機(jī)購置補(bǔ)貼政策的實(shí)施調(diào)動了農(nóng)民購置農(nóng)業(yè)機(jī)械的積極性，使農(nóng)機(jī)總動力快速增長，因此政府對購置農(nóng)業(yè)機(jī)械的宏觀調(diào)控引導(dǎo)作用，是農(nóng)機(jī)總動力增長的主要影響因素之一，該因素可通過政府的財(cái)政投入指標(biāo)反映；2）改革開放以來農(nóng)民的人均純收入一直呈現(xiàn)增長的趨勢，農(nóng)民收入的增長促進(jìn)了農(nóng)民對農(nóng)業(yè)機(jī)械的投入不斷增加，因此，農(nóng)民年純收入是農(nóng)機(jī)總動力增長的主要影響因素之一；3）農(nóng)村勞動力的大量轉(zhuǎn)移、土地的流轉(zhuǎn)以及現(xiàn)代農(nóng)業(yè)的發(fā)展使農(nóng)業(yè)生產(chǎn)進(jìn)入適度擴(kuò)大規(guī)模階段，因此，滿足農(nóng)民擴(kuò)大生產(chǎn)規(guī)模、提高生產(chǎn)能力的需求是農(nóng)機(jī)總動力增長的一個重要的影響因素，該因素可通過勞均（每個勞動力）播種面積和第一產(chǎn)業(yè)從業(yè)人員數(shù)2項(xiàng)指標(biāo)反映；4）農(nóng)機(jī)總動力的增長是提高糧食數(shù)量和質(zhì)量的有效手段，為滿足提高糧食數(shù)量和質(zhì)量的需求，保障糧食安全，應(yīng)加速發(fā)展農(nóng)機(jī)總動力，因此，其是影響農(nóng)機(jī)總動力增長的主要影響因素，考慮糧食生產(chǎn)的數(shù)量和質(zhì)量2個方面，該因素可通過糧食單產(chǎn)和農(nóng)業(yè)勞均產(chǎn)值2項(xiàng)指標(biāo)反映；5）降低農(nóng)業(yè)生產(chǎn)成本的需求，是影響農(nóng)機(jī)總動力增長的一個重要因素，該因素可通過燃料價格指數(shù)和機(jī)械化農(nóng)具價格指數(shù)2項(xiàng)指標(biāo)反映；6）改善農(nóng)民的生活和勞動條件、創(chuàng)造更多的發(fā)展機(jī)會，使農(nóng)民對農(nóng)業(yè)機(jī)械的需求加大，該因素可通過初中文化以上農(nóng)村勞動力比例和非農(nóng)產(chǎn)業(yè)的發(fā)展2項(xiàng)指標(biāo)反映。其中，勞均代表每個勞動力；燃料價格指數(shù)和機(jī)械化農(nóng)具價格指數(shù)分別是指反映燃料價格和機(jī)械化農(nóng)具價格變動趨勢的一種相對數(shù)，為了研究價格變動長期趨勢及其規(guī)律，對價格指數(shù)統(tǒng)計(jì)數(shù)據(jù)以1985年為基期進(jìn)行計(jì)算得到定基價格指數(shù)；非農(nóng)產(chǎn)業(yè)的發(fā)展用第二、三產(chǎn)業(yè)總產(chǎn)值與地區(qū)生產(chǎn)總值的比值來表示。

1.2數(shù)據(jù)的獲得

本文主要使用1986－2013年農(nóng)機(jī)總動力增長及其主要影響因素的相關(guān)數(shù)據(jù)。數(shù)據(jù)來源為《中國農(nóng)村統(tǒng)計(jì)年鑒》、《中國統(tǒng)計(jì)年鑒》、《中國農(nóng)業(yè)發(fā)展報(bào)告》和《中國農(nóng)業(yè)機(jī)械年鑒》等國家相關(guān)部門的統(tǒng)計(jì)數(shù)據(jù)及計(jì)算得到。

2　農(nóng)機(jī)總動力增長及其影響因素的EMD分解分析

2.1EMD分解方法

EMD分解法的基本原理和計(jì)算過程在文獻(xiàn)[10]中有詳細(xì)介紹。EMD分解的基本思想是對非線性波動的數(shù)據(jù)信號不斷的分離出高頻分量，直到所有頻率成分都被分離出來，得到不同時間尺度的波動分量，即本征模態(tài)函數(shù)IMF，分解后的剩余項(xiàng)就是信號的趨勢量R。每個IMF分量需滿足2個條件：1）在整個時間數(shù)據(jù)序列內(nèi)，過零點(diǎn)數(shù)目與極值點(diǎn)數(shù)目相等或至多相差1個；2）由局部極大值和局部極小值分別擬合的上下2條包絡(luò)線在任意時間點(diǎn)平均值為0。EMD分解法本質(zhì)是逐級分解數(shù)據(jù)信號的高頻分量，得到滿足條件的IMF分量，分解過程如下：

1）找出原始數(shù)據(jù)信號序列x（t）所有的局部極值點(diǎn)，并用三次樣條插值函數(shù)分別對局部極大值和局部極小值數(shù)據(jù)序列進(jìn)行擬合，形成原始數(shù)據(jù)信號序列的上包絡(luò)線eu（t）和下包絡(luò)線ed（t），上下包絡(luò)線的均值記為

2）將原始數(shù)據(jù)信號序列x（t）減去平均包絡(luò)值ml（t），得到一個新的數(shù)據(jù)信號序列，記為

3）新的數(shù)據(jù)信號序列hl，若還存在正的局部極小值和負(fù)的局部極大值，則不滿足IMF分量的條件，說明新的數(shù)據(jù)信號序列hl不是一個IMF分量，需要重復(fù)步驟1）～3）的篩分過程，直到滿足條件為止，最終獲得一個IMF分量，該IMF分量的數(shù)據(jù)序列記為c1（t）。

4）用原始數(shù)據(jù)信號序列x（t）減去該IMF分量數(shù)值c1（t）得到新的數(shù)據(jù)信號序列r1（t），重復(fù)步驟1）～3），篩分出其他的IMF分量，直到殘余數(shù)值ri（t）是一個趨勢量或比預(yù)定值小，算法停止。

式中x（t）為原始數(shù)據(jù)信號序列；eu（t）為上包絡(luò)線，ed（t）為下包絡(luò)線，ml（t）為上下包絡(luò)線的均值；hl（t）為分離各IMF分量過程中產(chǎn)生的新的數(shù)據(jù)信號序列；ci（t）為分離出的第i個IMF分量的數(shù)據(jù)序列；ri（t）為分離出i個IMF分量后原始數(shù)據(jù)的殘余數(shù)值。

2.2農(nóng)機(jī)總動力增長的EMD分解分析

農(nóng)機(jī)總動力增長受多種因素的共同影響，其增長波動含有多種時間尺度的復(fù)雜變化和局部化特征。采用EMD法，應(yīng)用Matlab軟件編程[22-23]，對1986－2013年農(nóng)機(jī)總動力增長時間數(shù)據(jù)序列進(jìn)行分解，逐級對其進(jìn)行線性化和平穩(wěn)化處理，最終，分離出2個不同時間尺度的波動分量IMF1和IMF2，及1個趨勢量R。波動分量IMF反映了農(nóng)機(jī)總動力增長波動的多層次時間尺度和局部化特征，趨勢量R反映了各種影響因素所引起的農(nóng)機(jī)總動力增長的長期趨勢，分解結(jié)果如圖1所示。

圖1　農(nóng)機(jī)總動力增長及其經(jīng)驗(yàn)?zāi)B(tài)分解結(jié)果Fig.1　Growth of agricultural machinery total power and its empirical mode decomposition

農(nóng)機(jī)總動力增長EMD分解結(jié)果說明：1）IMF1在整個時間尺度波動中波峰波谷均勻出現(xiàn)，是一個時間尺度為4～6 a的波動項(xiàng)，方差貢獻(xiàn)率為23.65%，說明該尺度波動帶來的農(nóng)機(jī)總動力增減周期性明顯，短周期的農(nóng)機(jī)總動力增長波動較普遍發(fā)生；2）IMF2分量波動振幅較大，是一個時間尺度為10 a左右的波動，波動時間尺度長，方差貢獻(xiàn)率為76.35%，說明該時間尺度的農(nóng)機(jī)總動力增長波動強(qiáng)度較大，但波動不常發(fā)生；3）趨勢量R的整體發(fā)展趨勢是不斷增長的而且增速很快，但2011年以后增長幅度明顯降低，增速放緩，主要與政府土地流轉(zhuǎn)政策改革和農(nóng)業(yè)生產(chǎn)資料價格上漲等關(guān)系密切。

2.3農(nóng)機(jī)總動力增長各影響因素的EMD分解分析

采用EMD方法，對1986－2013年農(nóng)機(jī)總動力增長各影響因素時間序列數(shù)據(jù)進(jìn)行分解，分別得到各影響因素的經(jīng)驗(yàn)?zāi)B(tài)分解結(jié)果，如圖2～圖9所示。

圖2　政府財(cái)政投入經(jīng)驗(yàn)?zāi)B(tài)分解法分解結(jié)果Fig.2　Empirical mode decomposition results of government finance investment

圖3　糧食單產(chǎn)經(jīng)驗(yàn)?zāi)B(tài)分解法分解結(jié)果Fig.3　Empirical mode decomposition results of grain yield per hectare

圖4　農(nóng)民人均純收入和農(nóng)業(yè)勞均產(chǎn)值經(jīng)驗(yàn)?zāi)B(tài)分解法分解結(jié)果Fig.4　Empirical mode decomposition results of rural per capita net income and agricultural output value per labor

圖5　勞均播種面積經(jīng)驗(yàn)?zāi)B(tài)分解法分解結(jié)果Fig.5　Empirical mode decomposition results of planting area per labor

圖6　燃料價格指數(shù)經(jīng)驗(yàn)?zāi)B(tài)分解法分解結(jié)果Fig.6　Empirical mode decomposition results of fuel price index

圖7　機(jī)械化農(nóng)具價格指數(shù)和初中文化以上農(nóng)村勞動力比例經(jīng)驗(yàn)?zāi)B(tài)分解法分解結(jié)果Fig.7　Empirical mode decomposition results of mechanized farming tools price index and proportion of rural labor above junior middle school degree

圖8　非農(nóng)產(chǎn)業(yè)的發(fā)展經(jīng)驗(yàn)?zāi)B(tài)分解法分解結(jié)果Fig.8　Empirical mode decomposition results of development of non-agricultural industry

圖9　第一產(chǎn)業(yè)從業(yè)人員數(shù)經(jīng)驗(yàn)?zāi)B(tài)分解法分解結(jié)果Fig.9　Empirical mode decomposition results of first industry practitioners

表1　農(nóng)機(jī)總動力增長各影響因素經(jīng)驗(yàn)?zāi)B(tài)分解法分解結(jié)果Table 1　Empirical mode decomposition results of influence factors of growth of agricultural machinery total power

由圖2～圖9可知各影響因素的不同IMF波動分量的波動時間尺度，并計(jì)算得到各IMF波動分量的方差貢獻(xiàn)率，見表1。

由圖2～圖9和表1可知，勞均播種面積IMF1、糧食單產(chǎn)IMF1、燃料價格指數(shù)IMF1、非農(nóng)產(chǎn)業(yè)的發(fā)展IMF1的波動時間尺度均為4～6 a，這與農(nóng)機(jī)總動力增長的波動分量IMF1的時間尺度相同，可認(rèn)為是影響農(nóng)機(jī)總動力增長波動周期為4～6 a的影響因素；政府投入IMF1、勞均播種面積IMF2、燃料價格指數(shù)IMF2及第一產(chǎn)業(yè)從業(yè)人員數(shù)IMF1的波動時間尺度均為10 a左右，與農(nóng)機(jī)總動力增長IMF2的時間尺度相同，可認(rèn)為是影響農(nóng)機(jī)總動力增長波動周期為10 a左右的影響因素；而農(nóng)民人均純收入、農(nóng)業(yè)勞均產(chǎn)值、機(jī)械化農(nóng)具價格指數(shù)、初中文化以上農(nóng)村勞動力比例4項(xiàng)指標(biāo)1986－2013年數(shù)據(jù)序列無明顯波動現(xiàn)象，基本呈增長趨勢，EMD分解后只有趨勢量R，沒有產(chǎn)生本征模態(tài)函數(shù)IMF，說明這4個因素不會對農(nóng)機(jī)總動力增長波動產(chǎn)生影響只會對其增長趨勢有影響。因此，農(nóng)機(jī)總動力增長趨勢量的發(fā)展受這4個因素和前述6個因素的趨勢量共同影響。

3　農(nóng)機(jī)總動力增長波動影響的SPA分析

運(yùn)用SPA方法分別對農(nóng)機(jī)總動力增長的2個IMF波動分量及與其相對應(yīng)的各影響因素不同IMF分量進(jìn)行同、異、反定量分析，進(jìn)而求得各影響因素對農(nóng)機(jī)總動力增長波動的綜合影響率。SPA方法的基本原理是已知有一定聯(lián)系的2個集合A和B，對其建立集對，記為H（A，B），并對集對的特性進(jìn)行同、異、反定量比較分析，得到集合A和B在所論問題背景下的聯(lián)系度為[16-18，24-26]

式中μA-B為集合A和B的聯(lián)系度；I為差異度系數(shù)，體現(xiàn)了確定性與不確定性之間的相互轉(zhuǎn)換，在區(qū)間[?1，1]內(nèi)取值；J為對立度系數(shù)，一般取值為?1；N為集合A和B特性的總個數(shù)；S為共有的特性個數(shù)；F為有差異性的特性個數(shù)；P為相對立的特性個數(shù)。

農(nóng)機(jī)總動力增長波動影響的SPA分析步驟如下：

步驟1：將農(nóng)機(jī)總動力增長及其影響因素的各IMF分量按式（5）作無量綱化處理，以消除單位量綱的影響。

式中xkt和Xkt分別為無量綱化前、后的第k條IMF波動分量的第t年值；t為1986到2013年。

步驟2：對無量綱化后各IMF波動分量值Xkt，用第（t＋1）年值減去第t年值可得逐年變化量值

式中?Xkt為IMF波動分量逐年變化量值

步驟3：對式（6）所得的逐年變化量值ΔXkt，分析可知其均值為0，方差在[?2，2]內(nèi)取值。將所有IMF波動分量逐年變化量值依據(jù)分布均勻原則劃分為5個等級，使k·l個數(shù)在5個等級分布基本均勻，計(jì)算得到5個等級區(qū)間值依次分別為[?2， ?0.297]、[?0.296， ?0.066]、[?0.065，0.119]、[0.120，0.330]和[0.331，2]。

步驟4：根據(jù)5個等級區(qū)間劃分值，計(jì)算農(nóng)機(jī)總動力增長2個IMF分量的逐年變化量等級區(qū)間值，并將等級值構(gòu)成集合Ai（i＝1，2），計(jì)算農(nóng)機(jī)總動力增長各IMF分量相對應(yīng)的影響因素的逐年變化量等級區(qū)間值，并將等級值構(gòu)成集合Bij（i＝1，2， j＝1，2，3，4），其中，i為農(nóng)機(jī)總動力增長IMF波動分量數(shù)目，j為對應(yīng)農(nóng)機(jī)總動力增長第i 個IMF波動分量的影響因素波動分量IMF數(shù)目。將2個集合 A和B組成集對H（A， B），在集對H（A，B）中稱處于同一等級值的為相同，其個數(shù)記為S；稱相差一個等級值的為差異一，如Ⅰ與Ⅱ、Ⅲ與Ⅱ等，其個數(shù)記為F1；稱相差 2個等級值的為差異二，如Ⅰ與Ⅲ、Ⅴ與Ⅲ等，其個數(shù)記為F2；稱相差3個等級值及以上的為對立，如Ⅰ與Ⅳ、Ⅰ與Ⅴ等，其個數(shù)記為P。因此，得到集對的聯(lián)系度

式中μij為集合Ai和集合Bij的聯(lián)系度；F1為差異一的個數(shù)；F2為差異二的個數(shù)；I1和I2分別為差異一、差異二的系數(shù)；N＝S＋F1＋F2＋P。

根據(jù)農(nóng)機(jī)總動力增長各IMF分量及其相對應(yīng)影響因素的IMF分量等級值，分別找出特性相同、有差異和相對立的數(shù)目，通過式（7）的計(jì)算，可得農(nóng)機(jī)總動力增長各IMF與相應(yīng)影響因素IMF分量之間的聯(lián)系度為

對聯(lián)系度表達(dá)式（8），根據(jù)均分原則[24-26]，取I1＝0.5，I2＝?0.5，J＝?1，則可得相應(yīng)的聯(lián)系度值為

步驟5：聯(lián)系度μij的取值范圍為[-1，1]，為了規(guī)范化計(jì)算，對聯(lián)系度μij的值按式（9）作線性變換，得到相對隸屬度值

式中Uij為μij的相對隸屬度值，其取值范圍為[0，1]。

根據(jù)式（9）得到相對隸屬度

步驟6：對相對隸屬度值Uij，按式（10）進(jìn)行歸一化處理。

式中ηij為影響農(nóng)機(jī)總動力增長第i個IMF波動分量的第 j個影響因素的影響率；n為影響因素的數(shù)目。

由式（10）得到農(nóng)機(jī)總動力增長2個IMF分量對應(yīng)的各影響因素IMF的影響率

步驟7：計(jì)算農(nóng)機(jī)總動力增長2個IMF分量分別對應(yīng)的影響因素各IMF分量的綜合影響率βij，求和并規(guī)一化處理后，可求得各影響因素對農(nóng)機(jī)總動力增長波動的綜合影響率。

為說明βij的計(jì)算方法，以勞均播種面積IMF1 的綜合影響率計(jì)算為例，勞均播種面積IMF1的綜合影響率＝勞均播種面積IMF1的影響率×勞均播種面積IMF1的方差貢獻(xiàn)率×農(nóng)機(jī)總動力增長IMF1的方差貢獻(xiàn)率，同理，可計(jì)算得到農(nóng)機(jī)總動力增長2個IMF波動分量對應(yīng)的各影響因素IMF的綜合影響率βij，計(jì)算結(jié)果見表2。

表2　農(nóng)機(jī)總動力增長各IMF波動分量對應(yīng)影響因素IMF分量的綜合影響率Table 2　Comprehensive effect rates between fluctuation component IMF of growth of agricultural machinery total power and its influence factors

對表2中各IMF波動分量的綜合影響率βij，求和并規(guī)一化處理后，可求得政府投入、勞均播種面積、燃料價格指數(shù)對農(nóng)機(jī)總動力增長波動的綜合影響率較高，分別為23.89%、23.73%、23.67%，是影響農(nóng)機(jī)總動力增長波動的主要因素；第一產(chǎn)業(yè)從業(yè)人員數(shù)、糧食單產(chǎn)和非農(nóng)產(chǎn)業(yè)的發(fā)展對農(nóng)機(jī)總動力增長波動的綜合影響率稍低，分別為14.17%、7.13%、7.41%。

分析結(jié)果表明：政府財(cái)政投入是影響農(nóng)機(jī)總動力增長波動的最主要因素，并且政府財(cái)政投入政策對農(nóng)機(jī)總動力增長長期波動的影響較大，可見，積極加大力度推進(jìn)農(nóng)機(jī)購置補(bǔ)貼政策，實(shí)施改革創(chuàng)新，是農(nóng)業(yè)機(jī)械化發(fā)展最直接的外部推動力，因此，實(shí)施的農(nóng)機(jī)購置補(bǔ)貼政策與當(dāng)前農(nóng)業(yè)機(jī)械化發(fā)展要求是相符的；勞均播種面積也是影響農(nóng)機(jī)總動力增長波動的重要因素之一，它對農(nóng)機(jī)總動力增長短期波動的影響不明顯，主要是長期波動的影響較大，勞均播種面積的增長主要是由于農(nóng)村勞動力的轉(zhuǎn)移，勞均負(fù)擔(dān)的播種面積擴(kuò)大，為減輕勞動強(qiáng)度，降低生產(chǎn)成本，就成為農(nóng)業(yè)機(jī)械化發(fā)展最重要的內(nèi)生源動力，因此，政府采取的一系列的政策措施，如加強(qiáng)勞務(wù)市場管理，大力發(fā)展勞務(wù)中介組織等，加強(qiáng)農(nóng)村勞動力轉(zhuǎn)移的引導(dǎo)作用，以促進(jìn)農(nóng)村剩余勞動力快速有序流轉(zhuǎn)，是適應(yīng)當(dāng)前農(nóng)業(yè)機(jī)械化發(fā)展的重要舉措；第一產(chǎn)業(yè)從業(yè)人員數(shù)的減少是影響農(nóng)機(jī)總動力增長波動性的重要因素，但是綜合影響率要遠(yuǎn)低于勞均播種面積，可知不僅要有效的促進(jìn)勞動力的轉(zhuǎn)移更重要的是土地經(jīng)營的規(guī)?；图s化，增大勞均負(fù)擔(dān)的耕地面積，因此提出農(nóng)村土地流轉(zhuǎn)、農(nóng)民股份合作等改革政策，促進(jìn)土地的規(guī)?；?jīng)營，是有效發(fā)展農(nóng)業(yè)機(jī)械化的根本。燃料價格指數(shù)對農(nóng)機(jī)總動力增長波動性影響較大，主要是因?yàn)槿剂铣杀臼寝r(nóng)業(yè)機(jī)械成本的重要組成部分，燃料價格的上漲，必然增加農(nóng)業(yè)機(jī)械作業(yè)的成本，導(dǎo)致農(nóng)民投資增大，收益變小，為穩(wěn)定農(nóng)業(yè)機(jī)械化的發(fā)展，根據(jù)2004年開始施行的《中華人民共和國農(nóng)業(yè)機(jī)械化促進(jìn)法》規(guī)定，“國家根據(jù)農(nóng)業(yè)和農(nóng)村經(jīng)濟(jì)發(fā)展的需要，對農(nóng)業(yè)機(jī)械的農(nóng)業(yè)生產(chǎn)作業(yè)用燃油安排財(cái)政補(bǔ)貼”。因此，燃料價格指數(shù)是影響農(nóng)機(jī)總動力增長波動性的重要因素與實(shí)際是相符的。糧食單產(chǎn)和非農(nóng)產(chǎn)業(yè)的發(fā)展對農(nóng)機(jī)總動力增長的波動性影響相對較小，主要是對農(nóng)機(jī)總動力增長短期波動產(chǎn)生影響，因此，糧食單產(chǎn)的提高和非農(nóng)產(chǎn)業(yè)的發(fā)展會對短期農(nóng)民購置農(nóng)業(yè)機(jī)械的積極性產(chǎn)生影響。本文的分析結(jié)果與農(nóng)業(yè)機(jī)械化發(fā)展實(shí)際情況和相關(guān)政策是相符的，研究成果為農(nóng)機(jī)總動力增長的定量分析提供了參考。

為穩(wěn)定農(nóng)機(jī)總動力增長，減少其波動性，應(yīng)穩(wěn)定政府財(cái)政投入，并科學(xué)確定農(nóng)機(jī)購置補(bǔ)貼資金的投入規(guī)模，明確農(nóng)機(jī)產(chǎn)品補(bǔ)貼范圍、補(bǔ)貼標(biāo)準(zhǔn)等保持相對穩(wěn)定，以便更好地發(fā)揮購機(jī)補(bǔ)貼政策的宏觀調(diào)控作用；同時穩(wěn)定燃料價格和提高糧食單產(chǎn)，以保持農(nóng)民購置農(nóng)業(yè)機(jī)械的積極性；加快農(nóng)村勞動力轉(zhuǎn)移政策和土地流轉(zhuǎn)政策，增加勞動力的人均播種面積，發(fā)展農(nóng)業(yè)適度規(guī)模經(jīng)營，以實(shí)現(xiàn)農(nóng)業(yè)機(jī)械化的可持續(xù)發(fā)展；加快推進(jìn)非農(nóng)產(chǎn)業(yè)的發(fā)展以改善農(nóng)民的生活和創(chuàng)造更多的發(fā)展就業(yè)機(jī)會，減少對農(nóng)機(jī)總動力增長短期波動的影響。

4　結(jié)　論

1）應(yīng)用經(jīng)驗(yàn)?zāi)B(tài)分解法對1986－2013年農(nóng)機(jī)總動力增長及其影響因素進(jìn)行分解，分別得到各時間數(shù)據(jù)序列的波動變化特征。通過分析各本征模態(tài)函數(shù)（intrinsic mode function，IMF）分量，分別得到影響農(nóng)機(jī)總動力增長波動時間尺度為4～6 a和10 a左右的主要因素，并得到只對農(nóng)機(jī)總動力增長的趨勢產(chǎn)生影響，并未對其增長的波動產(chǎn)生影響的因素。農(nóng)機(jī)總動力增長波動分量IMF1的方差貢獻(xiàn)率為23.65%，IMF2的方差貢獻(xiàn)率為76.35%，可見長時間尺度波動的影響因素對農(nóng)機(jī)總動力增長波動的影響較大。

2）運(yùn)用集對分析理論，分析了農(nóng)機(jī)總動力增長各IMF分量與其相對應(yīng)各影響因素之間的聯(lián)系度，求得各影響因素對農(nóng)機(jī)總動力增長波動的綜合影響率，得出政府投入、勞均播種面積、燃料價格指數(shù)、糧食單產(chǎn)、非農(nóng)產(chǎn)業(yè)的發(fā)展、第一產(chǎn)業(yè)從業(yè)人員數(shù)的綜合影響率分別為23.89%、23.73%、23.67%、7.13%、7.41%及14.17%。綜合影響率的大小反映各因素對農(nóng)機(jī)總動力增長波動的影響程度。

3）構(gòu)建的基于經(jīng)驗(yàn)?zāi)B(tài)分解和集對分析的農(nóng)機(jī)總動力增長波動影響因素分析模型，可確定農(nóng)機(jī)總動力增長波動的特征及其主要影響因素，為農(nóng)機(jī)總動力增長的定量分析提供了參考。

[參考文獻(xiàn)]

[1] 劉靜，朱達(dá)榮. 考慮自變及因變影響的農(nóng)機(jī)總動力組合預(yù)測模型[J]. 農(nóng)機(jī)化研究，2015，37（4）：230－236. Liu Jing， Zhu Darong. Combined prediction model of agricultural machinery total power based on independent and dependent variables[J]. Journal of Agricultural Mechanization Research， 2015， 37（4）: 230－236. （in Chinese with English abstract）

[2] 鞠金艷，王金武，王金峰. 基于BP神經(jīng)網(wǎng)絡(luò)的農(nóng)機(jī)總動力組合預(yù)測方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41（6）：87－92. Ju Jinyan， Wang Jinwu， Wang Jinfeng. Combined prediction method of total power of agricultural machinery based on BP neural network[J]. Transactions of the Chinese Society for Agricultural Machinery， 2010， 41（6）: 87－92. （in Chinese with English abstract）

[3] 朱榮勝，王福林. 黑龍江省農(nóng)機(jī)總動力趨勢包絡(luò)預(yù)測與分析[J]. 東北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2006，37（4）：512－515. Zhu Rongsheng， Wang Fulin. Trend envelopes predict and analysis of Heilongjiang province agriculture machinery total power[J]. Journal of Northeast Agricultural University， 2006，37（4）: 512－515. （in Chinese with English abstract）

[4] 朱瑞祥，黃玉祥，楊曉輝. 用灰色神經(jīng)網(wǎng)絡(luò)組合模型預(yù)測農(nóng)機(jī)總動力發(fā)展[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2006，22（2）：107－110. Zhu Ruixiang， Huang Yuxiang， Yang Xiaohui. Method for estimating total power of agricultural machinery based on mixed grey neural network[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE），2006， 22 （2）: 107 －110. （in Chinese with English abstract）

[5] 孫云鵬. 1978年以來中國農(nóng)機(jī)總動力時空差異和結(jié)構(gòu)變化分析[J]. 農(nóng)機(jī)化研究，2011，33（5）：1－5. SunYunpeng. Regional and timing disparity and structural change analysis of Chinese agricultural machinery total power since 1978[J]. Journal of Agricultural Mechanization Research， 2011， 33（5）: 1－5. （in Chinese with English abstract）

[6] 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）：60－63. Ju Jinyan， Wang Jinwu. Analysis of key influencing factors for Heilongjiang agricultural mechanization development[J]. Journal of Agricultural Mechanization Research， 2014， 36（2）: 60－63. （in Chinese with English abstract）

[7] 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）：24－28，32. Dai Lixun，Wei Hong′an. Analysis on influencing factors of Gansu agricultural mechanization[J].Chinese Agricultural Mechanization， 2010（4）: 24－28， 32. （in Chinese with English abstract）

[8] 李紅，周浩. 農(nóng)機(jī)購置投入結(jié)構(gòu)與農(nóng)機(jī)總動力增長的關(guān)系分析[J]. 中國農(nóng)機(jī)化學(xué)報(bào)，2013，34（3）：30－37，41. Li Hong， Zhou Hao. Analysis on the relation between input structure for purchasing agricultural machines and agricultural machines power[J]. Journal of Chinese Agricultural Mechanization，2013， 34（3）: 30－37， 41. （in Chinese with English abstract）

[9] 張淑娟，趙飛. 基于Shapley值的農(nóng)機(jī)總動力組合預(yù)測方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2008，39（5）：60－64. Zhang Shujuan， Zhao Fei. Combinatorial forecast of agricultural machinery total power based on Shapley value[J]. Transactions of the Chinese Society for Agricultural Machinery， 2008， 39（5）: 60－64. （in Chinese with English abstract）

[10] Huang N E， Shen Z， Long S R， et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proc R Soc Land A，1998， 454: 899－955.

[11] Lei Polei ， Shang Lizen ， Wu Yute ， et al. Single-trial analysis of cortical oscillatory activities during voluntary movements using empirical mode decomposition （EMD）-based spatiotemporal approach[J]. Annals of Biomedical Engineering， 2009， 37（8）: 1683－1700.

[12] Huang N E， Wu M C， Long S R， et al. A confidence limit for the empirical mode decomposition and Hilbert spectral analysis[J]. Proceedings of the Royal Society of London，Series A， 2003， 459: 2317－2354.

[13] 馮平，丁志宏，韓瑞光. 基于 EMD 的洮河年徑流量變化多時間尺度分析[J]. 干旱區(qū)資源與環(huán)境，2008，22（12）：73－76. Feng Ping， Ding Zhihong， Han Ruiguang. Time-scale analysis on annual runoff time series of the Taohe river based on EMD[J]. Journal of Arid Land Resources and Environment， 2008， 22（12）: 73－76. （in Chinese with English abstract）

[14] 蔣尚明，金菊良，許 滸，等. 基于經(jīng)驗(yàn)?zāi)B(tài)分解和集對分析的糧食單產(chǎn)波動影響分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29（4）：213－221. Jiang Shangming， Jin Juliang， Xu Hu， et al. Fluctuations effect analysis of grain yield per hectare based on empirical mode decomposition and set pair analysis[J]. Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE）， 2013， 29（4）: 213－221. （in Chinese with English abstract）

[15] 劉忠，黃峰，李保國. 基于經(jīng)驗(yàn)?zāi)B(tài)分解的中國糧食單產(chǎn)波動特征及影響因素[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31（2）：7－13. Liu Zhong， Huang Feng， Li Baoguo. Analysis on characteristics and influential factors of grain yield fluctuation in China based on empirical mode decomposition[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2015， 31（2）: 7－13. （in Chinese with English abstract）

[16] 張金萍，丁志宏. 基于集對分析的涇河河川徑流多時間尺度變化研究[J]. 干旱區(qū)資源與環(huán)境，2014，28（5）：176－179. Zhang Jinping， Ding Zhihong. Fluctuations of runoff in multi-time scales based on set pair analysis[J]. Journal of Arid Land Resources and Environment， 2014， 28（5）: 176－179. （in Chinese with English abstract）

[17] Wang Wensheng， Jin Juliang， Ding Jing， et al. A new approach to water resources system assessment-set pair analysis method[J]. Science China Technological Sciences，2009， 52（10）: 3017－3023.

[18] 白樺，楊筱筱，魯向暉，等. 基于集對分析的贛江中上游流域汛、枯水期分期研究[J]. 水文，2014，34（3）：43－47. Bai Hua， Yang Xiaoxiao， Lu Xianghui， et al. Flood and drought season division based on set pair analysis for middle and upper reaches of Ganjiang river[J]. Journal of China Hydrology， 2014， 34（3）: 43－47. （in Chinese with English abstract）

[19] 楊敏麗，白人樸. 農(nóng)業(yè)機(jī)械總動力與影響因素關(guān)系分析[J].農(nóng)機(jī)化研究，2004，26（6）：45－47. Yang Minli， Bai Renpu. Analysis on the relationship between agricultural machinery gross power and influence factors[J]. Journal of Agricultural Mechanization Research， 2004， 26（6）: 45－47. （in Chinese with English abstract）

[20] 何政道，何瑞銀. 農(nóng)業(yè)機(jī)械總動力及其影響因素的時間序列分析[J]. 中國農(nóng)機(jī)化，2010（1）：20－24. He Zhengdao， He Ruiyin. Analysis on the relationship between gross power of agricultural machinery and key influencing factors based on time series analysis[J]. Chinese Agricultural Mechanization， 2010（1）: 20－24. （in Chinese with English abstract）

[21] 盧秉福，張祖立，朱明，等. 農(nóng)業(yè)機(jī)械化發(fā)展關(guān)鍵影響因素的辨識與分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2008，24（11）：114－117. Lu Bingfu， Zhang Zuli， Zhu Ming， et al. Discrimination and analysis of key influencing factors for agricultural mechanization development[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2008， 24（11）: 114－117. （in Chinese with English abstract）

[22] 陳艷艷，朱躍華，王振報(bào)，等. 基于MATLAB神經(jīng)網(wǎng)絡(luò)工具箱的公交出行比例預(yù)測[J]. 北京工業(yè)大學(xué)學(xué)報(bào)，2008，34（2）：173－177. Chen Yanyan， Zhu Yuehua， Wang Zhenbao， et al. Forecasting the proportion of transit trips based on neural network toolbox in matlab[J]. Journal of Beijing University of Technology， 2008， 34（2）: 173－177. （in Chinese with English abstract）

[23] 付瑤，王紅軍，吳國新. EMD信號處理方法在LabVIEW 和MATLAB中的實(shí)現(xiàn)[J]. 北京機(jī)械工業(yè)學(xué)院學(xué)報(bào)，2008，23（2）：23－27.Fu Yao， Wang Hongjun， Wu Guoxin. Realization of EMD signal processing method in LabVIEW and MATLAB[J]. Journal of Beijing Institute of Machinery， 2008， 23（2）: 23－27. （in Chinese with English abstract）

[24] 朱兵，王文圣，王紅芳，等. 集對分析中差異不確定系數(shù)i的探討[J]. 四川大學(xué)學(xué)報(bào)：工程科學(xué)版，2008，40（1）：5－9. Zhu Bing， Wang Wensheng， Wang Hongfang， et al. Probe on variation uncertainty coefficient i in set pair analysis[J]. Journal of Sichuan University: Engineering Science， 2008，40（1）: 5－9. （in Chinese with English abstract）

[25] Klionsky D M， Oreshko N I， Geppener V V. Empirical mode decomposition in segmentation and clustering of slowly and fast changing non- stationary signals[J]. Pattern Recognition and Image Analysis， 2009， 19（1）: 14－29.

[26] 郭燕紅，邵東國，劉玉龍，等. 工程建設(shè)效果后評價博弈論集對分析模型的建立與應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31（9）：5－12.

·農(nóng)業(yè)水土工程·

Guo Yanhong， Shao Dongguo， Liu Yulong， et al. Establishment and application of set pair analysis model based on game theory for post-assessment of project construction effectiveness[J].Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2015， 31（9）: 5－12. （in Chinese with English abstract）

Fluctuations influence factors analysis of growth of agricultural machinery total power

Ju Jinyan1, Zhao Lin1, Wang Jinfeng2
（1. College of Mechɑnicɑl Engineering， Heilongjiɑng University of Science ɑnd Technology， Hɑrbin 150022， Chinɑ; 2. College of Engineering， Northeɑst Agriculturɑl University， Hɑrbin 150030， Chinɑ）

Abstract:As the main indicator to measure the development level of agricultural mechanization， total power of agricultural machinery provides an important reference basis to formulate the development policy for related department of agricultural mechanization. The growth of agricultural machinery total power has important significance to accelerate the development of agricultural mechanization， realize agricultural modernization， construct the comprehensive socialism new countryside， and guarantee food production and food security. Therefore， it is significant to research the main influence factors of growth fluctuations of agricultural machinery total power， and maintain its steady growth. The growth of China’s agricultural machinery total power is affected by many factors， and its data series have the characteristics of complexity and nonlinearity. Using the empirical mode decomposition （EMD） method， the growth of agricultural machinery total power and its influence factors from 1986 to 2013 were decomposed in multi levels and multi scales， and fluctuation components of intrinsic mode function （IMF） affecting the growth of agricultural machinery total power were obtained. Based on this， set pair analysis （SPA）theory was used to analyze the correlations between each IMF component of the growth of agricultural machinery total power and the corresponding influencing factors， and then the comprehensive influence rate of each factor to the fluctuations of the growth of agricultural machinery total power was calculated. The comprehensive influence rates of government finance investment， planting area per capita， fuel price index， grain yield per unit area， development of non-agricultural industries and number of the first industry professionals were as follows: 23.89%， 23.73%， 23.67%， 7.13%， 7.41% and 14.17% respectively. It showed that the main factors influencing the fluctuations of the growth of agricultural machinery total power were government finance investment， planting area per capita and fuel price index; number of the first industry practitioners followed; and the minimal influence factors were grain yield per unit area and development of non-agricultural industries. There were 4 influence factors which only affected the growth trend of agricultural machinery total power and had no impact on its fluctuation， which were rural net income per capita， agricultural output value per capita， price index of mechanized farm tool and proportion of rural labor with cultural level above junior middle school. Therefore， in order to stabilize the growth of agricultural machinery total power and reduce its fluctuation， government finance investment should be stabilized， and the scale of subsidy fund for agricultural machinery purchase， the subsidy scope and subsidy standard for agricultural machinery product should be determined scientifically and maintained to be relatively stable， so that the subsidy policy of agricultural machinery can better play the role of macroeconomic regulation and control. At the same time， stabilize fuel price and increase grain yield per unit area， so that the enthusiasm of farmers to purchase agricultural machinery can be maintained; speed up the rural labor force transfer policy and land circulation policy， increase the planting area per capita， and develop agriculture moderate scale management so as to realize the sustainable development of agricultural mechanization; accelerate the development of non-agricultural industries so as to improve the farmers' life quality and create more employment opportunities，which can reduce the influence of its short-term fluctuations on the growth of agricultural machinery total power. Research results can provide scientific basis for the adjustment and decision-making of development policy of agricultural mechanization， and promote the healthy and rapid development of agricultural mechanization.

Keywords:agricultural machinery; signal analysis; grain; agricultural machinery total power; empirical mode decomposition; set pair analysis; influence factor; comprehensive influence rate

作者簡介：鞠金艷，女，黑龍江哈爾濱人，博士，講師，從事農(nóng)業(yè)機(jī)械化生產(chǎn)管理與系統(tǒng)工程研究。哈爾濱黑龍江科技大學(xué)機(jī)械工程學(xué)院，150022。Email：ju_jinyan@163.com

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（51205056）；黑龍江省自然科學(xué)基金項(xiàng)目（QC2011C045）

收稿日期：2015-07-18

修訂日期：2015-11-14

中圖分類號：S23

文獻(xiàn)標(biāo)志碼：A

文章編號：1002-6819（2016）-02-0084-08

doi：10.11975/j.issn.1002-6819.2016.02.013 10.11975/j.issn.1002-6819.2016.02.013http://www.tcsae.org