李鹏飞，吕恩利，陆华忠，陈明林，荀 露

(华南农业大学 工程学院/南方农业机械与装备关键技术教育部重点实验室，广州 510642)

0 引言

农业机械化是影响我国农业现代化进程、制约农业国际竞争力提高的主要因素[1]，农业机械化作业水平是衡量农业机械化发展水平的重要指标。因此，科学有效地分析我国农业机械化的发展趋势，精准预测农业机械化作业水平的增长幅度，是合理制定农机规划的基础，对于保障我国农业机械化稳定有序的发展具有重要的现实意义。

目前，国内外已提出的关于农业机械化作业水平的预测方法主要有回归分析法、指数平滑法、平滑移动法、灰色模型法，以及人工神经网络等[2-4]。单项预测模型虽各有优势但均有特定的适用环境，仅利用某一种预测模型，预测结果往往偏差较大。综合考虑各单项模型预测时的局限性，Bates和Granger[5]首次提出组合预测的方法，鉴于单项预测方法各自的特点，将不同单项预测方法进行加权组合，使最终预测结果能够包含各单项预测方法中有效的信息，具有很强的适应性和较好的稳定性[6]。

组合预测模型的权重分配对预测精度有重要的影响，合理地确定权重是构建组合预测模型的关键。误差平方和最小法是一种传统的线性加权的方法，以整体最优为目标，在实际中有广泛的应用；Shapley法是一种基于博弈理论中利益分配机制的赋权方法，以公平性为原则，对各单项预测模型进行权重分配；……