1农业信息化理论及方法研究情况
农业信息化是根据经济测度理论和系统工程方法论，运用系统分析的思路，利用层次分析法、波拉特法等方法建立评价指标体系。由《中国统计年鉴》可知，全国大部分省份农业信息化建设始于2003年，农业信息化研究大多关注全国，中东部经济较发达省份农业信息化发展较快，而西部省份、尤其是甘肃省的评价研究整体相对滞后。比如通过中国知网（CNKI）学术文献总库（除去中国年鉴网络出版总库及中国重要报纸全文数据库）检索式为SU=(‘农业信息化’or‘农业信息化指标’)andSU=(‘甘肃省’)检索，有关于甘肃省农业信息化的文献共56篇，其中学术期刊论文43篇（受基金支持的有2篇），硕士论文8篇。大部分文献仅是对发展现状、存在问题等的研究，而量化分析信息化水平测度方法或评价研究的仅有5篇。符合省情发展且量化评价研究指导性文献的缺乏，不利于农业信息化推广和发展，在农业信息化建设过程中难免出现照搬照抄、无序甚至不符合省情的情况。因此，加快建立甘肃省农业信息化评价指标体系，对推动现代农业发展，实现农业增效、农民增收，其重要作用是不言而喻。
2甘肃省农业信息化评价指标体系的建立
信息化指标体系是信息化水平测算与评价的重要依据。使用信息化指标体系，可以定量衡量甘肃省信息化水平，为制定信息经济和社会发展计划提供科学、量化依据。按照农业信息化理论和研究方法，确定描述农业信息化环境、信息网络硬件建设、农业信息技术应用、农业信息资源及农业信息人力资源等5个指标，对一级指标、二级指标进行评测，建立甘肃省农业信息化评价指标体系（见表1），同时，为保证所得数据的准确性，以指标体系当中的农业信息化贡献率为例，利用数学模型对所得数据进行分析优化。
3数据来源与研究方法
3.1数据来源数据模型建立是以甘肃省农业信息化评价指标中基准层1中的第一项农业信息化贡献率为例，选取2003-2011年甘肃省农业信息化对农业总产出贡献率作为实验数据，统计数据来源为《中国固定资产投资统计年鉴》、《甘肃发展年鉴》、《中国统计年鉴》等统计资料。3.2研究方法通过MATLAB运算，利用基于粒子群优化的最小二乘支持向量机回归（leastsquaressupportvectorre-gression,下称LSSVR）算法对甘肃省农业信息化贡献率的进行研究，以期提高农业信息化投入对农业产出贡献的评价精度。3.2.1LSSVR算法LSSVR算法的基本思想，是选择一非线性映射：Z=φ（x），将n维输入i维输出样本向量从原空间映射到高维线性特征空间F构造最优线性回归函数[2,9-11]：y（x）＝w·φ（x）＋b（1）式中，w为线性回归系数，b为偏移量，φ（·）为非线性映射函数。为了获取最小二乘支持向量回归机系数w和b，将以下函数最小化：（2）其中，R（w）为结构风险，εi为容许误差，τ为正则化因子，用于控制对超出误差样本的惩罚程度。引入拉格朗日乘子αi解决上述优化问题：其中，αi为拉格朗日乘子，αi≥0。根据优化条件：，，，，分别将（3）式对w、b、εi、αi进行偏导，并消除w、εi，得到线性方程组：（4）采用径向基核函数，，σ＞0。所获得的最小二乘支持向量回归机回归函数为：（5）3.2.2粒子群优化LSSVR参数最小二乘支持向量回归机训练参数的选取对预测结果有较大影响。对此，笔者采用混合智能算法，用粒子群优化算法选取最小二乘支持向量回归机训练参数。粒子群算法是基于群体智能随机优化算法，采用“群体”和“个体”的概念，通过群体间粒子间的合作与竞争产生群体智能指导优化搜索[11]。其基本原理为随机初始化一群粒子，将其中第i个粒子定义为：Xi＝（xi1，xi2，…，xim），将粒子i的当前飞行速度定义为：Vi＝（vi1，vi2，…，vim），粒子i所经历的最好位置Pi＝（pi1，pi2，…，pim）。然后，通过迭代寻找最优解。在每一次迭代中，粒子通过个体极值和全局极值来更新自己。基本粒子群优化算法的进化方程可描述为：vij（t＋1）＝w·vij（t）＋c1·r1·（pij（t）－Xij（t））＋c2·r2·（pgj（t）－Xij（t））（6）Xij（t＋1）＝Xij（t）＋vij（t＋1）（7）（6）式中，w为惯性权值，r1、r2为0与1之间均匀分布的随机数，c1、c2为加速因子，t为进化迭代数，pij（t）为个体极值，pgj（t）为全局极值。定义的适应度函数（F）为：（8）（8）式中，yi为实际值，为预测值，M为训练数据的数量。3.2.3PSO优化的LSSVR算法（PSO-LSSVR）采用最小二乘支持向量机进行回归建模时，核函数参数、正则化因子τ的取值是一个非常关键的问题，τ控制对超出误差的样本的惩罚程度(τ>0)，反映了支持向量之间的相关程度。所以、τ的取值非常关键，取值不当会带来很大误差。具体过程略，设计算法实现步骤如下（见图1）：3.3农业信息化评价分析甘肃省农业信息化投入量基本呈波浪式增长趋势（见图2），2011年甘肃省农业信息化投入量为32.5亿元（表2），在西北五省中排第2位，但是总投入量占全国的0.15%，低于全国平均值的一半。PSO-LSSVR模型评估优化农业信息化贡献率结果见表3。
4结语
在建立农业信息化评价指标体系中，应该考虑将农业信息化贡献率纳入评价指标体系，而对于农业信息化对农业总产出贡献率的数据进行研究，表明基于粒子群优化最小二乘支持向量回归机的混合智能评估算法相比于传统的估算方法有更好的评估效果。这种方法能较好地评价与预测农业信息化对农业总产出的贡献率，对正确引导全省农业信息化的发展具有重要的理论价值。从评价结果中可以看出，随着甘肃省农业生产总值的增加，农业信息投资增加，除2003年、2004年见效明显，农业信息化对农业产出的贡献率整体呈稳定上升趋势，说明贡献值空间开发潜力很大，但相比于农业其它方面的投入产出值，其贡献值并不高。为提高农业信息化对农业产出的贡献，笔者提出如下政策建议：（1）结合甘肃省情，增加投入，建立多元化投入机制。各级政府应在政策上支持设立农业信息财政预算专项，鼓励企业、协会和生产经营大户参与信息化建设，并对给予一定的优惠或补贴，也可让企业参与市场化运作。（2）技术带动，龙头优势，提高农民使用信息的意识。首先，培养、选派既懂甘肃农业状况、农业技术又懂信息技术的人员对农民进行培训，让农民把理论、技术带到生产实践中去，使农民增产增收，进而提高信息的经济效益。其次，重视合作社、龙头企业和种养大户的示范作用，传播农业信息，增强农民信息意识。
作者：朱昭萍 王生林 刘涛 单位：甘肃农业大学经济与管理学院 甘肃农业大学图书馆
