摘要：實際生活中往往需要按照一定的標準對事物進行分類，給不同類型的事物實行恰當?shù)姆椒ǎ�這在教學上稱為因材施教。在農(nóng)業(yè)經(jīng)濟上，實行經(jīng)濟分類也是必要的，由于農(nóng)業(yè)經(jīng)濟各種類型的界限不甚清晰，存在許多交叉情況，這時需要借助模糊聚類分析方法。本文以某省的農(nóng)業(yè)經(jīng)濟分類為例，探尋如何運用模糊動態(tài)聚類分析方法進行農(nóng)業(yè)經(jīng)濟類型的劃分，實現(xiàn)農(nóng)業(yè)生產(chǎn)決策的自動化。

　　關鍵詞：模糊動態(tài)聚類分析；農(nóng)業(yè)；類型

　　中圖分類號：TP274 文獻標識碼：A 文章編號：1001-828X（2014）06-0-01

　　農(nóng)業(yè)是第一產(chǎn)業(yè)，是國民經(jīng)濟可持續(xù)發(fā)展的基石，在國民經(jīng)濟生產(chǎn)總值中占據(jù)相當重要的比重。而隨著城市化進程的加快和工業(yè)的發(fā)展，耕地面積逐年減少，務農(nóng)人員逐漸增多，土地質(zhì)量日益降低，這些問題嚴重影響了農(nóng)業(yè)的可持續(xù)發(fā)展。為推動農(nóng)業(yè)的健康發(fā)展，合理開展農(nóng)業(yè)經(jīng)濟分類工作，客觀、清晰、準確表明農(nóng)業(yè)生產(chǎn)規(guī)律、優(yōu)勢、缺陷等，合理調(diào)整農(nóng)業(yè)生產(chǎn)要素，實現(xiàn)區(qū)域農(nóng)業(yè)資源的優(yōu)化配置和系統(tǒng)開發(fā)，提高農(nóng)業(yè)生產(chǎn)效益。
　　一、分類指標
　　模糊動態(tài)聚類分析就是建立模糊相似關系，對被診斷對象進行征兆特征、親疏程度、相似性等故障分析的一種數(shù)學方法。因此，在農(nóng)業(yè)經(jīng)濟分類系統(tǒng)中應用模糊動態(tài)聚類分析方法的首要任務是確定分類指標。由于農(nóng)業(yè)經(jīng)濟系統(tǒng)是一個多層次、多因素、結構復雜的大系統(tǒng)，過去只是依照一些單向指標、少數(shù)指標、個別效益指標等進行經(jīng)濟類型劃分，它無法反映出各個區(qū)域的農(nóng)業(yè)發(fā)展現(xiàn)狀以及差異，不利于區(qū)域資源的優(yōu)化配置。在此，根據(jù)某省的地質(zhì)水文條件、氣候條件、耕地情況等確定分類指標，總共確定11個指標：年均降水量、年均氣溫、人均耕地面積、水澆地占總耕地比例、糧食單產(chǎn)水平、人均糧食產(chǎn)量、糧食耕地面積占總耕地面積比例、經(jīng)濟作物面積占總播種面積比例、牧業(yè)生產(chǎn)總值占農(nóng)業(yè)生產(chǎn)總值比例、漁業(yè)生產(chǎn)總值占農(nóng)業(yè)生產(chǎn)總值比例、人均年純收入。
　　二、分類方法與步驟
　　1.建立原始數(shù)據(jù)
　　建立原始數(shù)據(jù)庫，設聚類分類對象的全體集合X={x1，x2，x3，…，xn}。為了使最后的分類結果更加鮮明的反映該省農(nóng)業(yè)發(fā)展現(xiàn)狀，建立一套分辨性強的統(tǒng)計指標。假設X中有m個指標滿足其性狀，則：xi={xi1，xi2，xi3，…，xin}（i=1，2，3，…，n），這樣即可完成原始數(shù)據(jù)矩陣的構建，也即：
　　以參試地區(qū)的11項指標的具體數(shù)據(jù)為原始數(shù)據(jù)，利用模糊動態(tài)聚類分析方法進行經(jīng)濟類型的劃分。
　　2.建立規(guī)范數(shù)據(jù)
　　原始數(shù)據(jù)是實際數(shù)據(jù)，其具有不規(guī)范情況，譬如，單位不同，小數(shù)點保留位數(shù)不同等，對此，對這些參試地區(qū)的原始數(shù)據(jù)進行規(guī)范化處理，應用到的數(shù)據(jù)規(guī)范方法有：小數(shù)定標規(guī)范法、最大最小值規(guī)范法、標準差規(guī)范法。其中，最常使用的方法為最小最大值規(guī)范法，計算公式為： ，式中，Xi表示原始數(shù)據(jù)，Xmax、Xmin則指同一列中的最大值和最小值，得出標準化的模糊數(shù)籍。
　　3.建立模糊等價矩陣
　　模糊相似矩陣為：
　　其中，相似系數(shù)rij的計算公式為：
　　式中的m-11，i≥1，j≤20。由于該矩陣不具備傳遞性，所以還需對其進行相應的改造，使其變成模糊等價矩陣，采用逐次平方法，也即：R-R2-R4-R8-L-R2k，進行有限次的平方運算，當R2k=R2k+1時，t（R）=R2k也就是R的模糊等價矩陣。
　　4.聚類
　　聚類分析是模糊動態(tài)聚類分析方法最為關鍵的一個環(huán)節(jié)，采用R的λ截進行聚類分析，不同λ截矩陣的結果不同，有不同的意義，然后可從中判斷出其與實際分類中最相近的一類，確定其經(jīng)濟類別。由模糊等價矩陣進行聚類分析：
　　根據(jù)計算得出，當0.8<λ≤0.9時，類型劃分為較合理，依據(jù)這一標準將該省份參試的13個縣市的農(nóng)業(yè)經(jīng)濟劃分成三個類別，其中，屬于第一類的有7個地區(qū)，這幾個縣市農(nóng)業(yè)經(jīng)濟發(fā)展中的各項經(jīng)濟指標均高于其他地區(qū)，是該省未來經(jīng)濟發(fā)展的核心地區(qū)，農(nóng)業(yè)發(fā)展?jié)摿Υ�。�?個縣市屬于第二類，這兩個縣市的農(nóng)、牧、漁均有一定程度的發(fā)展，發(fā)展水平居全省中等，屬于農(nóng)業(yè)發(fā)展較為均衡的地區(qū)，也是未來農(nóng)業(yè)經(jīng)濟發(fā)展的重點地區(qū)。另外有4個縣市屬于第三類，這四個縣市的人均糧食產(chǎn)值少、糧食的單產(chǎn)水平較低、人均純收入少，出現(xiàn)這一現(xiàn)象的原因主要是土地資源質(zhì)量不高、農(nóng)業(yè)現(xiàn)代化水平低、農(nóng)業(yè)發(fā)展方式少，應基于現(xiàn)狀積極改善農(nóng)業(yè)生產(chǎn)條件，發(fā)展多元生產(chǎn)方式，推動農(nóng)業(yè)可持續(xù)發(fā)展。
　　5.確定最佳分類數(shù)
　　在λ值的確定中，不同的λ值有不同的動態(tài)分類，必須確定一個最佳λ值，正確反映農(nóng)業(yè)發(fā)展現(xiàn)狀，為制定科學的農(nóng)業(yè)發(fā)展決策提供信息支持。在這里，可以采用FuzzyPFS法確定最佳分類數(shù)，首先設樣本變量是P維，利用下式計算出類間的散布矩陣SB、類內(nèi)散布矩陣SW、混合散布矩陣ST。
　　其中：若式中的c值是固定的，且最佳分類數(shù)PFS最大，則tr（SW）必須是最小的。若能使類內(nèi)散布矩陣之跡tr（SW）為最小，則分類結果一般是能令人滿意的。若c不是定值，隨著c值的增大，tr（SW）逐漸下降，tr（SB）逐漸上升，這不一定能使PFS值呈現(xiàn)上升趨勢，最終達到最大值，他會在c值停留在某一處時達到最大值，而這時的PFS值就是我們所說的最佳分類數(shù)。大的分類數(shù)說明各個類內(nèi)是較為緊湊的，類間是界限分明的，說明分類是較為合理的。
　　結束語
　　本文以某省農(nóng)業(yè)經(jīng)濟分類為例，分析如何應用模糊動態(tài)聚類分析方法進行農(nóng)業(yè)經(jīng)濟分類，分析分類結果，，并就最佳分類值的確定進行簡要介紹，具有一定的借鑒價值，供同行參考。