Системне прогнозування розвитку культур в зрошуваному землеробстві

Размещено на http://www.allbest.ru

УКРАЇНСЬКА АКАДЕМІЯ АГРАРНИХ НАУК

ІНСТИТУТ ГІДРОТЕХНІКИ І МЕЛІОРАЦІЇ

КРІНІЦИН ВАДИМ ВАЛЕРІЙОВИЧ

УДК: 631.67: 004.424

Системне прогнозування розвитку культур в зрошуваному землеробстві

06.01.02 - Сільськогосподарські меліорації

(технічні науки)

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Київ - 2005

Дисертацією є рукопис.

Робота виконана в Інституті землеробства Південного регіону Української академії аграрних наук (УААН).

Науковий керівник: доктор сільськогосподарських наук, професор

Міхеєв Євген Костянтинович,

Херсонський державний аграрний університет, головний науковий співробітник лабораторії автоматизованих систем управління ІЗПР УААН.

Офіційні опоненти:

доктор технічних наук, професор

Ковальчук Павло Іванович,

Інститут гідротехніки і меліорації УААН, головний науковий співробітник.

кандидат технічних наук,

Рябцев Михайло Павлович,

Каховська гідрогеолого-меліоративна експедиція, головний гідрогеолог.

Провідна установа: Український державний університет водного господарства та природокористування, м. Рівне, вул. Соборна, 11.

З дисертацією можна ознайомитись у бібліотеці Інституту гідротехніки і меліорації за адресою: 03022, м. Київ, вул. Васильківська, 37.

Вчений секретар спеціалізованої вченої ради,

кандидат технічних наук, с. н. с. І. Топольнік

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

зрошення автоматизований прогнозування статистика

Актуальність теми. Задачі, поставлені перед агропромисловим комплексом України на сучасному етапі створення ефективних важелів підвищення продуктивності меліорованих земель, досить складні, щоб вирішувати їх, спираючись тільки на традиційні методи управління процесами виробництва. Необхідні нові підходи до прийняття технологічних рішень, такі, що відповідають вимогам часу, та спираються на останні досягнення науки і техніки в цьому напрямку, на ефективне використання матеріальних і інформаційних ресурсів.

Актуальність означеної проблеми в зрошуваному землеробстві зростає, як і вартість втрат від неадекватних щодо ситуації рішень. Пов'язано це з інтенсифікацією виробничих процесів, інформаційною насиченістю їх, ускладненням еколого-економічних взаємовідносин в аграрно-виробничих системах. За таких обставин фахівцю потрібно враховувати велику кількість чинників, які впливають на прийняття оптимальних рішень, що об'єктивно, без спеціальних засобів організації інформації, зробити важко. Вважається, що основним із таких засобів у зрошуваних умовах може бути автоматизована система оптимального управління технологіями, яка спиралася б на методи фенологічного прогнозу стану посіву.

У процесі роботи над дисертаційним дослідженням автор спирався на праці фахівців, які спеціалізуються в цій проблематиці: Жовтоног О.І., Міхеєв Є.К., Платонов В.А., Полуектов Р.О., Рокочинський А.М.

Зв'язок роботи з науковою тематикою. Дисертаційна робота виконувалась відповідно до тематичного плану науково-дослідної роботи ІЗПР УААН на період 1996-2000 рр. за державною програмою “ Розробити еколого-економічні основи раціонального використання і охорони зрошуваних земель і водних ресурсів в умовах реформування АПК ”; завдання “Розробити методичні основи створення водно-і ресурсозберігаючих технологій, математичні моделі та комплекс програм оперативного планування агрозаходів”(державна реєстрація № 0197U015756) і на період 2001-2005 рр.: завдання “Розробка алгоритмів прийняття управляючих рішень на проведення технологічних операцій” (державна реєстрація № 0104U002816).

Мета і задачі досліджень. Метою є розробка методу і створення базової експертної системи оперативного планування технологій на основі оптимізації і автоматизованого прогнозування розвитку культур.

Досягнення мети пов'язане з вирішенням комплексу специфічних у зрошуваному землеробстві задач:

1. Оцінка і кількісні визначення чинників впливу на розвиток культур методами математичної статистики у зоні зрошення півдня України.

2. Винайдення методів організації інформаційних потоків, перетворення даних у знання, розробка нових і удосконалення існуючих методів формального представлення специфічних сільськогосподарських знань в автоматизовані системи прийняття рішень на засадах оптимізації.

3. Розробка математичних моделей і алгоритмів вирішення задач автоматизованого прогнозування розвитку культур як підґрунтя для оперативного планування технологій на засадах оптимізації технологічних операцій.

4. Створення системи інформаційного забезпечення розробки:

- визначення, виділення і аналіз головних факторів зовнішнього впливу на об'єкт дослідження;

- визначення кількісних значень взаємовідносин елементів досліджуваної системи на підставі статистичних моделей;

- оцінка вірогідності моделей прогнозування, оптимізації технологій і їх параметризація;

- створення довідників нормативних і оперативних даних;

- створення баз даних (БзД) і баз знань (БЗ) параметрів розвитку культур і правил оптимізації технологічних рішень в умовах зрошення.

5. Розробка алгоритму мінімізації технології і енерго-економічна оцінка параметрів агрозаходів при зрошенні.

6. Машинна реалізація алгоритму, створення програмного комплексу з застосуванням сучасних комп'ютерних технологій і мов високого рівня.

Наукова новизна одержаних результатів. Розроблені нові методичні підходи до організації погано структурованих і неструктурованих специфічних інформаційних потоків з переважно якісними характеристиками і на цій підставі створена автоматизована система прогнозування розвитку культур, як базова для оперативного планування технологічного процесу у зрошуваному землеробстві на засадах оптимізації.

При системному підході до вирішення задачі досліджено ряд питань теоретичного і практичного призначення:

- запропоновано методичні підходи до структуризації таких специфічних взаємозв'язків, які є між рослинами, факторами зовнішнього впливу (погодні умови) і агрозаходами в умовах зрошення;

- визначено основні кліматичні і технологічні фактори впливу на продуктивність культур, кількісні значення параметрів впливу та їхніх взаємозв'язків;

- вперше у прикладному вигляді запропоновано евристико-аналітичні підходи до організації даних зовнішнього і внутрішнього впливу на зрошенні і формального представлення технологічних знань;

- вперше для зони досліджень створено математичну модель прогнозу розвитку, модель мінімізації технології вирощування культур і алгоритм її вирішення на основі моделювання;

- вперше запропоновано методи реалізації моделей у вигляді прикладної автоматизованої системи в умовах специфічних інформаційних потоків зрошуваного землеробства;

- винайдено зручні форми інтеграції фахових знань у сферу виробництва і створено інформаційний фонд (БзД і БЗ) для задач, що вирішувались;

- вперше в умовах зрошення розроблено правила і параметри експлуатації автоматизованої системи, підходи щодо оцінки її ефективності.

Об'єктом досліджень є природні чинники та технологічні процеси розвитку сільськогосподарських культур у зрошуваних сівозмінах, інформаційні потоки і принципи їхньої організації.

Предметом досліджень є методи організації інформаційних потоків, процедури перетворення даних у знання і представлення їх у вигляді автоматизованих систем підтримки технологічних рішень на підставі оптимізації.

Методика досліджень спирається на методологію системного підходу і полягає у виявленні, на підставі статистичних методів аналізу, основних агрометеорологічних факторів впливу на розвиток культур, розрахунків біокліматичних констант і агротехнічних індексів, створення на цій основі математичних моделей розвитку, алгоритмів вирішення задач створення автоматизованої системи прогнозування розвитку культур, як основи оперативного планування технологічних процесів на засадах оптимізації.

Для цього було використано дані багаторічних агрометеорологічних спостережень (1953-1999 рр.) дванадцяти метеостанцій Південного регіону України (добові значення температури повітря, дати проходження фенологічних фаз розвитку культур, дати сівби і дати настання стиглості), дані польових досліджень ІЗПР УААН. При організації інформаційних масивів використовувались методи математичної статистики (визначення достовірності, кореляційний і регресійний аналізи), методи моделювання і алгоритмізації.

При створенні автоматизованої системи використовувався стандартний програмний інструментарій створення банків даних (БД) і баз знань (БЗ), а також програмний комплекс, розроблений автором на мові високого рівня - Delphi-6.

Практичне значення одержаних результатів полягає у вирішенні важливої прикладної проблеми - винайдення і реалізація засобів підвищення якості господарських рішень (зокрема, технологічних), нових форм інтеграції знань у сферу сільськогосподарського виробництва.

Створений на базі ПЕОМ інструментарій надає фахівцю можливість багатоваріантного вибору і на підставі аналізу прийняти оптимальні або кращі за попередні технологічні рішення про вирощування культур і підвищення їхньої продуктивності.

Для створення інформаційного забезпечення системи розроблено регіональні нормативи стану культур, біокліматичні константи і технологічні індекси. Автоматизація процедур розрахунків створює реальні можливості контролю за станом посіву, що дає змогу прогнозувати поведінку об'єкту, визначити строки проведення і оптимальні параметри потрібних агрозаходів.

Застосування системи підтримки прийняття рішень (СППР) підвищує ступінь інформаційного забезпечення спеціалістів, якість і ефективність прийняття рішень при плануванні і оперативному управлінні технологією вирощування культур в зоні зрошуваного землеробства.

Система може бути використана на будь-якому господарському, або адміністративному рівні, а також як інструмент навчального і дослідницького процесу.

Особистий внесок здобувача полягає у пошуку і аналізі інформації, створенні нормативно-інформаційної бази, моделей, алгоритмів вирішення їх, розробці прикладного програмного комплексу, проведенні спостережень за розвитком культур і адаптації системи в умовах виробництва. Основні положення дисертації науково обґрунтовано і розроблено особисто автором. Загальний внесок автора у створення автоматизованої системи прогнозування розвитку культур і оперативного планування технологій сягає понад 80%.

Апробація результатів дисертаційної роботи. Результати досліджень і розробок було представлено на міжнародних наукових конференціях: “Проблеми ефективного функціонування АПК в умовах нових форм власності і господарювання” (Харків, 2001 р.), “Інформація, аналіз, прогноз-стратегічні важелі ефективного державного управління” (Київ, 2002 р.), “Наука і освіта 2003” (Дніпропетровськ, 2003 р.), “Стан проблеми зрошуваного землеробства та шляхи їх вирішення в сучасних умовах господарювання” (Херсон, 2003 р.), "Нормування водокористування в зрошуваному землеробстві" (Херсон, 2005 р.); на науковій конференції “Розробка проблем зрошуваного землеробства на сучасному етапі розвитку сільського господарства (Херсон, 2003 р.); на міжвузівських конференціях Херсонського державного аграрного університету (1999, 2001, 2003 рр.). Експлуатаційна перевірка проведена в господарствах Білозерського району Херсонської області і в учбовому процесі ХДАУ.

Публікації. За матеріалами досліджень і розробок, які безпосередньо відображають результати роботи, опубліковано 9 праць, у тому числі 7 у фахових виданнях, з них 4 є індивідуальними.

Структура і обсяг роботи. Дисертація складається з вступу, чотирьох розділів, висновків, списку використаної літератури, що включає 223 найменування, в тому числі 20 іншомовних, 9 додатків. Роботу викладено на 166 сторінках комп'ютерного набору, включає 29 таблиць і 17 рисунків. Крім того, додатки складаються з 9 найменувань, в тому числі 27 рисунків і 10 таблиць.

ОСНОВНИЙ ЗМІСТ ДИСЕРТАЦІЙНОЇ РОБОТИ

ВСТУП

У вступі обґрунтовано необхідність і актуальність виконання роботи, її наукову новизну, практичну цінність, відображено апробацію, наведено обсяг публікацій та декларацію особистого внеску автора.

ОГЛЯД ЛІТЕРАТУРИ І ПОСТАНОВА ЗАДАЧІ

У розділі наведено огляд літератури, зроблено аналіз найбільш поширених підходів до прогнозування розвитку культур, надається агрокліматична характеристика зони проведення досліджень. Аналіз даних літературних джерел дав змогу визначити наявність взаємозв'язків агрометеорологічних факторів і періодів розвитку культур, встановити проблематику їх досліджень. На підставі прямих спостережень і статистичного аналізу даних доведено, що основними чинниками прогнозування розвитку культур і призначення ТО вважаються температури повітря, вологозабезпеченість ґрунту. Вплив інших факторів на тривалість періоду вегетації культур менш суттєвий. З аналізу літератури також витікає, що в основу досліджень засобів прикладного прогнозування стану культур покладено статистичні моделі і є потреба удосконалення їх методами імітаційного моделювання, що повністю відповідатиме вимогам часу.

Проаналізовано природні особливості зони дослідження, зокрема, кліматичні умови і кліматоутворюючі фактори. Визначено термічні фактори, як основні, що впливають на продуктивність культур, визначені кількісні зв'язки температур повітря, агрозаходів зі станом культур і їх розвиненням. Наведено основні характеристики цього фактору за календарними змінами.

МЕТОДОЛОГІЧНІ І МЕТОДИЧНІ АСПЕКТИ СТВОРЕННЯ АВТОМАТИЗОВАНОЇ СИСТЕМИ ПРОГНОЗУВАННЯ РОЗВИТКУ КУЛЬТУР І ОПЕРАТИВНОГО ПЛАНУВАННЯ ТЕХНОЛОГІЙ

Подаються питання методології і методичні сучасні вимоги до створення автоматизованих систем підтримки прийняття технологічних рішень у зрошуваному землеробстві. Описано основні проблеми, притаманні дослідженню таких систем і які спіткали автора при створенні системи автоматизованого прогнозування (САП). Наведено основні вимоги до систем, які припускають участь фахівця у процесі вироблення рішення машиною.

Єдиним ефективним засобом аналізу навколишньої дійсності є моделювання і експериментування з моделями, що імітують реальність. В основу таких досліджень покладено системний підхід як стратегія досліджень, і системний аналіз як засіб і інструмент вирішення поставлених задач. Всебічний аналіз існуючих загальних підходів до розробки систем підтримки рішень у землеробстві дозволив виділити особливість об'єкту досліджень, яка пов'язана із специфічністю інформаційних потоків і знайти нові підходи до вирішення проблеми автоматизованого прогнозування розвитку культур. Методично-організаційні принципи створення системи містять комплекс задач, вирішення яких включає процедури організації інформації, надання знань, питання машинної реалізації специфічних алгоритмів в умовах зрошення.

ПРОЦЕДУРНІ ЗАДАЧІ СТВОРЕННЯ АВТОМАТИЗОВАНОЇ СИСТЕМИ ПРОГНОЗУВАННЯ РОЗВИТКУ КУЛЬТУР І ПЛАНУВАННЯ АГРОЗАХОДІВ

Розділ присвячено процедурним питанням створення СППР у зрошуваному землеробстві. Перш за все, на підставі аналізу регіональних даних і власних спостережень обґрунтовано вибір термічного фактору як основного за впливом на розвиток культур. Результати статистичного моделювання свідчать, що вологість ґрунту (W) найбільше значення має на початку вегетації і від фази цвітіння, тоді як температури повітря істотно впливають у продовж всього періоду розвитку культури (табл.1).

З метою визначення міри впливу агротехнічних заходів на тривалість міжфазних періодів були проведені спеціальні дослідження на підставі моделювання. Аналіз було зроблено за багаторічними даними Державних сортовипробувальних установ (ДСУ), метеостанцій, власних спостережень, результатів дослідів на зрошуваних полях ІЗПР УААН. Математичну обробку матеріалу проводили методом багатомірного послідовного регресивного аналізу з використанням Ехсеl. Внаслідок такого підходу одержано комплекс регресивних моделей, які з достатньою точністю описують звязки елементів системи (табл.2).

Тривалість періоду від сівби до початку сходів П_{(, )} негативно корелює з середніми середньодобовими температурами повітря за визначений період [T_(-30)] i [Т_(,)], позитивно - з сумою опадів у цей період CО_{(, )}.

Характерною рисою рівнянь (2-4) є те, що на відміну від існуючих моделей прогнозування стану культур, до їх складу нами було включено, окрім температур повітря, такі чинники впливу на їх розвиток, як агротехнічні заходи. Найбільш значущим з цих заходів було внесення добрив.

За таким підходом ми розробили прогнозні моделі для озимої пшениці, кукурудзи, багаторічних трав (люцерна) і картоплі.

Перевірку статистичних моделей проводили індивідуально. Так, перевірка рівняння (1) на незалежній вибірці із 10 спостережень показала, що середнє квадратичне відхилення розрахункових значень П^розр_(,) від фактичних П^ф_(,) дорівнювало 2-3 добам, а максимальне відхилення не перевищує 7 діб. Враховуючи, що фенологічні спостереження за настанням фаз розвитку (за методом прийнятим на ДСУ і метеорологічних станціях) допускають похибку у 2-3 доби, точність рівняння (1) можна вважати припустимою для використання у задачах проектування технологій.

На підставі значень частинних коефіцієнтів кореляції зроблено висновок про переваги впливу суми середньодобових температур повітря перед іншими факторами, у тому числі і агротехнічними. Водночас доведено, що точність прогнозу настання фаз визначається не тільки якістю прогнозу погоди, але і рівнем очікуваних температур повітря.

Для практичного вирішення задачі створення СППР у частині прогнозування термінів проходження періодів вегетації ми спирались на положення висловлені Батигіним М.Ф, Платоновим В.А і на наші спостереження в зоні дослідження:

1. У рослин спостерігається послідовна зміна фаз розвитку. Розвиток відбувається незворотньо i якщо в рослині внаслідок відсутності відповідних зовнішніх факторів якась фаза не настала, то наступна не настане теж, навіть за наявності сприятливих для цього умов.

2. Головним фактором, що впливає на темп розвитку, є термічні умови зростання, які характеризує середня добова температура повітря на стандартній для агрометеоспостережень висоті (2м). Вплив інших (не температурних) факторів відносно малий. Винятком є період посів-сходи, коли має суттєве значення вологість грунту.

3. Для проходження культурою міжфазного періоду між і-ю і i+1 фазами і настання i+1-ї фази потрібна постійна для цієї фази сума середніх добових температур Т^с_i+1. Цей показник, як і порогові температури розвитку - Т^п_i+1 , є біологічними постійними сорту і мало залежать від коливань температур у середині фази.

З висловленого витікає, якщо зафіксувати термін настання чергової фази з визначеною точністю (в нашому випадку доба), то, відносно конкретної культури і сорту, матимемо t_i+1= t_i+д_i+1, де д_i+1- тривалість періоду між i-ю і i+1-ю фазами і може бути визначена на підставі виразу (Платонов В.А), де нами введено показник інтенсивності розвитку - і постійна впливу фактору мікроклімату - м.

При цьому, , де б -постійний коефіцієнт; h-порогова функція така, що h(T_ф-Т_П^с) = 0 при Т_ф<T_П^с; h(T_ф-Т_П^с) =1 при Т_ф >T_П^с.

У моделі можна використовувати ті чи інші середні добові температури (вищі за 0; 5 або 10⁰С, відносно порогів, що змінюються в онтогенезі в залежності від культури і сорту). Тобто,

С_і =0+Т_Д^с(D_іj)+0+Т_Д^с(D_ij),

де С_і - фазова сума температур;

D_i - фаза розвитку .

Фазова сума температур С_і є сумою температур вищих за порогову у період від дати j=1 настання і-ї фази D_ij (j=1…n_i) до дати закінчення цієї фази - j=n_i.

, де Z_ij є функцією .

Тут D_ij(j=1..n_i) - проходження і-ї фази; D_0i(j=1…n_o) - стан початкового періоду фази посіву; Т_Д^с(D_ij) - середня добова температура повітря на дату D_ij за даними відповідної метеостанції.

На підставі висловлених положень створено алгоритм функціонування системи фенологічного прогнозування дат фенофаз і оперативного призначення агрозаходів. Алгоритм реалізує розрахунки БК (сум середніх добових температур) послідовно від фази до фази і визначення календарних дат-моментів, коли ця сума досягне потрібного для даного міжфазного періоду значення.

Для умов параметризації прийнято: кожному сорту відповідають свої БК; число БК сорту дорівнює числу фаз культури; кожній фазі відповідає своя БК; середні добові температури можуть розраховуватися від різних порогів (t_п). У вигляді t_п виступають мінімальні значення середніх добових температур повітря, нижче яких розвиток рослин не відбувається. У формальному виразі ці умови виглядатимуть:

_.

Розрахунки БК проведені нами по двадцятирічному метеорологічному ряду для таких культур: озима пшениця, кукурудза, буряк кормовий, картопля, яровий ячмінь, рис, огірки, томати.

У зв'язку з тим, що значна частина знань при машинній реалізації алгоритму може бути відображена лише в лінгвістичній формі, для їх опису застосовано формалізми у вигляді мережі фреймiв.

Фрагмент загальної фреймової структури системи має такий вигляд:

Кореневим фреймом системи є фрейм ФЕНОЛОГ.

FRAME: ФЕНОЛОГ

SLOT: ВВЕДЕННЯ, ПЕРЕГЛЯД, КОРЕГУВАННЯ.

SLOT: ПРОГНОЗ РОЗВИТКУ посіву.

SLOT: ДОПОМОГА.

SLOT: ВИХIД.

Слот ВВЕДЕННЯ, ПЕРЕГЛЯД, КОРЕГУВАННЯ містить набір довідників, що необхідні для проведення розрахунку.

Слот ПРОГНОЗ РОЗВИТКУ ПОСІВУ містить інструментарій моделювання розвитку посіву, розрахунок прогнозних метеоданих.

Слот ДОПОМОГА містить інформацію про можливості системи в цілому i вказівки про роботу з нею.

Слот ВИХIД здійснює вихід у систему WINDOWS.

Інформація організована за функціональної ознаки і представлена сукупністю масивів метеорологічних даних, масивів біокліматичних констант і масивів стану посівів (рис.1).

Масиви стану посіву включають інформацію про кожне поле: дати настання фаз розвитку, дати сівби та ін.

Використання системи відбувається на підставі відомих принципів діалогового меню і у відповідності з інструкцією щодо експлуатації, що супроводжує СППР (рис. 2).

В режимі оперативного планування технологій комплекси агрозаходів формуються у процесі діалогу користувача з СППР. В основу моделі приз-начення агрозаходів покладено біологічний індекс розвитку, який відбиває зв'язок між фенофазами, межами проведення агрозаходів і характеризує обмежено-допустимі строки проведення технологічної операцій, можливість їх коректування на засадах оптимізації.

Індекс розвитку для кожної доби розраховується як відношення середньої добової температури повітря до температурної константи з поправками на культуру (сорт) і мікрокліматичні особливості поля.

У загальному вигляді:

.

Інтервали значень індексів оцінюють на підставі експертного аналізу.

У разі лінійного програмування модель оцінки агрозаходу виглядатиме:

,

де л_і - внесок і-го агрозаходу у врожай (л_і=0ч1); v_i - вартість проведення агрозаходу; v_j - вартість одиниці j-го виду ресурсу; в_j - кількість j-го виду ресурсів; M,W - множини відповідно агрозаходів і ресурсів.

Така модель реалізується за таких обмежень:

,

де Y_р, Y_п - відповідно розрахунковий і планований врожай.

, д_і=0ч1, .

Будемо вважати, що у випадку маємо справу з оптимальною технологією. . Якщо Y_p зробити фіксованим, отримаємо стандартну задачу цілочисельного програмування.

Важливим важелем функціонування моделі є необхідність отримати кількісні значення внесків агрозаходів - л. Найбільш привабливий засіб отримання цього показника - експертне оцінювання. Для експертного оцінювання і аналізу результатів використовуються такі залежності:

сума рангів показників:.; середня сума рангів: .

Відхилення суми рангів кожного показника від середньої суми:

Сума квадратів відхилень:.;коефіцієнт конкордації:

де N - кількість експертів, a m - кількість параметрів

Розраховані коефіцієнти конкордації порівнюють із нормативним значенням, і в разі W > W_н де W_н=0,67, результати експертного опитування можна використовувати в подальших розрахунках.

Наступним кроком потрібно визначити вагові коефіцієнти. Для цього визначаються попарні пріоритети і на основі цього обчислюється вагомість параметрів за такими формулами:

;

Порівняльний аналіз традиційних і мінімізованих проектів технологій показав, що в деяких випадках мінімізація технологічних операцій дозволяє отримати меншу виробничу собівартість продукції. Тому вибір виключних операцій, їх комбінації, виявляються визначним фактором при проектуванні оптимальних технологій, використання яких в умовах обмеженості ресурсів, дає змогу отримати врожай з економічно виправданими витратами (табл. 3).

Після призначення ТО на підставі прогнозу при необхідності можна ТО або конкретний агрозахід відкоригувати щодо ситуації, в т. ч. і в умовах невизначенос-ті. Так коригування ТО “Полив”, наприклад, відносно норм зрошення можливо за таким підходом.

Як відомо, найбільш поширеним методом визначення норм поливу вважається так званий балансовий, заснований на визначенні дефіциту волого-споживання, як різниці між сумарним випаровуванням і кількістю вологи, що надійшла на поле:

Д_в = Е_t-(Р_ot-Р_ot)- W_t-К,

де Д_в - дефіцит вологоспоживання за час t, м³;

Е_t - сумарне водоспоживання за період t;

W_t - різниця між запасами вологи грунту на початку і в кінці періоду

t - (W_t = W_поч - W_к);

Р_оt - кількість опадів за період t, мм;

Р_o - втрати вологи опадів за рахунок стікання і фільтрації, мм;

К_г - кількість вологи, що використовується рослинами з грунтових вод.

Для визначення від'ємної статті балансу ми використовували апробований в регіоні, так званий біофізичний метод, запропонований Штойко Д.А. IЗЗ УААН. Суть підходу полягає в тому, що сумарне водоспоживання розраховується з урахуванням стану посіву на період визначення норми поливу і представлена двома рівняннями:

Е₁=T (0.1t-a/100) - використовується коли рослини не затіняють поверхню грунту і Е₂ = Т [0.1t+ (1-a /100)] - в період змикання рядків в посівах. Параметри рівнянь: Т - сума середньодобових температур повітря за розрахунковий період, С^o; t - середньодобова температура повітря за цей період; a - середня відносна вологість повітря ,%. Норма поливу може бути знайдена з М=100^.h^..(W_нв-W_ф/100^.h^.-W_нв-V_п).

Окрім такого підходу у разі необхідності для коригування норм поливу може бути підключена оптимізаційна модель.

ЕКСПЛУТАЦІЙНА ПЕРЕВІРКА І УМОВИ ПРИКЛАДНОГО ВИКОРИСТАННЯ СИСТЕМИ

У розділі представлені дані експлуатаційної перевірки і показники ефективнос-ті прикладного використання СППР. Упродовж декількох років метод прогнозу розвитку з використанням описаної вище моделі випробовувався на виробничих посівах господарств Херсонської області. Всього за роки випробувань було проведено на різних культурах 30-50 фенологічних спостережень i відповідна кількість моделювання розвитку культур. Середня величина помилки знаходиться з виразу :

де n - кількість випадків; N - загальна кількість дослідів.

Так з 40 спостережень для озимої пшениці і кукурудзи помилка прогнозу чергової фази відповідно в 54% і 60% випадків не перевищувала двох діб. Найбільші відхилення розрахункових значень від фактичних спостерігалися у роки з показниками погодних умов, відмінними від середніх багаторічних. В таких випадках пропонується коригувати розрахунки по фактичних значеннях температур повітря.

При використанні системи як інструменту досліджень вона має реально і потенційно майже нескінченну кількість варіантів експериментування, що відрізняються культурами, сортами, теплозабезпеченістю поля, датами сівби, погодою вегетаційного періоду тощо.

Основою ефективного управління будь-яким об'єктом є одержання адекватної інформації про його стан. Проте, не має підстав припускати, що на кожному виробничому полі будуть установлені вимірювачі, які здійснюють передачу інформації про стан посіву. Тому реальною є орієнтація на контроль за фактичним станом посівів шляхом періодичних відвідувань поля. Прогноз, що здійснює система, дає змогу своєчасно рекомендувати доцільні терміни проведення фенологічного обстеження поля, призначати у найбільш придатні терміни агрозаходи.

Ефективність прикладного використання СППР визначалась на основі економічної оцінки створення і впровадження системи як продукту науково-технічного прогресу. Розрахунки за об'єктивними показниками засвідчили, що система спроектована з досить високим науково-технічним рівнем характеристик, які в більшості своїй відповідають сучасним науково-технічним досягненням.

Витрати на розробку і впровадження СППР складалися з витрат на програмні засоби (ПЗ), на методичне і інформаційне забезпечення, технічне забезпечення обчислювальних і комунікаційних процесів. Оцінка проводилась за двома алгоритмами: алгоритмом прямої оцінки економічної ефективності і за алгоритмом інтегрованого показника. Так, інтегрований економічний ефект дорівнює:

,

де Р_р - незмінна по роках періоду розповсюдження СППР вартісна оцінка річного результату; V_р - незмінні по роках періоду розповсюдження СППР витрати на реалізацію заходів, тис. грн; К_р - коефіцієнт реновації основних фондів при тиражуванні системи; Е_н - норматив (коефіцієнт) приведення різночасових витрат i результатів, що дорівнює ефективності капіталовкладень. Запропоновано матричний алгоритм розрахунку, що значно спрощує процес розрахунків і робить його прозорим. Зауважимо, що облік інтегрованого економічного ефекту, наведений в матриці, проведено на підставі реальних параметрів існуючих на певний момент цін і обсягів впровадження. При цьому матричний підхід до визначення економічного ефекту, дає змогу прогнозувати ефективність використання СППР на підставі коригування договірних цін і обсягів передач робочих екземплярів замовникам.

Ефективність СППР у цілому зумовлюється високою працездатністю i стійкістю функціонування у поєднанні з оптимальними часовими характеристиками розрахункових процесів i зручністю використання завдяки розвиненому інтерфейсу.

ВИСНОВКИ

На основі проведення теоретичних і експериментальних досліджень розв'язана задача системного прогнозування розвитку культур, що дає змогу на основі фенологічного прогнозу стану посіву, проектувати оптимальну технологію вирощування сільськогосподарських культур.

1. Аналіз літературних джерел дав змогу визначити проблему і виявити кількісні зв'язки між агрометеорологічними, технологічними факторами впливу і періодами розвитку культур, а також потребу в удосконаленні дослідження цих зв'язків методами математичного моделювання. Виділено як найбільш вагомий за впливом в умовах зрошення показник суми середніх добових температур повітря, деякі ТО (внесення добрив, строки сівби, поливи).

2. Розроблені елементи прикладної теорії і проблемно-орієнтованого інструментарію моделювання задач управління складними процесами сільськогосподарських об'єктів на прикладі прогнозування строків проходження фенофаз і призначення агрозаходів на засадах оптимізації в умовах зрошення.

3. Дослідження в напрямку методів формального опису зв'язків календарних дат розвитку культур з факторами впливу дали змогу виділити основні з них: зовнішні - суми температур; внутрішні (управляючі) - ТО.

4. Розроблено комплекс системних підходів і створено автоматизовану систему визначення строків настання чергової фази вегетації конкретної культури (сорту), що дає змогу оцінити роль і ступінь впливу основних зовнішніх факторів (природні і штучні) на темпи розвинення культур. В основу методу прогнозу і створення системи було покладено розрахунки біокліматичних констант і індексів впливу по кожній культурі. Цими індексами побічно враховуються фактори сорту і зони вирощування.

5. На підставі формального описування процесу впливу термічних і технологічних факторів було винайдено підхід до представлення специфічних сільськогосподарських знань, удосконалено динамічні моделі прогнозування розвитку культур і оптимізації технології; створено комплекс алгоритмів їх машинної реалізації. В основу алгоритму машинної реалізації моделі покладено аналітичні і фреймові методи описування даних і знань.

6. Розроблено алгоритмічне і прикладне програмне забезпечення, яке реалізує використання системи і підвищує її ефективність. На цих засадах розроблено засоби функціонування системи у виробничому, експертно-модельному і навчально-тренувальному режимах. Передбачено таке імітаційне використання системи, що надає змоги завдяки можливості багатоваріантного вибору зменшити витрати на отримання інформації і процедури вироблення технологічних рішень при зрошенні на підставі оптимізації.

7. Дослідно-виробничими випробуваннями встановлено відхилення в межах 1,1-2,8у, що є допустимим. В практичних випробуваннях відхилення розрахованих дат настання фенофаз на 1 добу було у 20% випадках, 2-3 доби у 70% і 4-7 діб у 10%. Такі параметри гарантують виробничу придатність системи. За рахунок мінімізації технології загальні витрати зменшились на 8-15,6 %, ефективність збільшилась на 7,8-10 % (в залежності від культур).

8. Доведена можливість включення розроблених підходів до створення систем прогнозування, оцінки розвитку культур в умовах виробництва (у складі СППР або індивідуально), що дає можливість робити оперативне планування агрозаходів, які відповідатимуть ситуаціям, що складаються на конкретному полі.

9. Запропоновано варіант експертно-аналітичного оцінювання значень технологічних операцій у технологічному процесі. На цій основі створено алгоритм призначення мінімальних агрозаходів, що підвищує ефективність технологічних схем вирощування культур в цілому. Розроблена методика є складовою частиною концепції створення системи підтримки технологічних рішень у землеробстві як базової у державній програмі створення регіональних систем точного землеробства.

10. Доопрацьовано методику економічної оцінки автоматизованих систем як продукту науково-технічного прогресу. Запропоновано два алгоритми розрахунків економічної ефективності: загальної оцінки і інтегрального індексу ефективності. Економічну оцінку зроблено у вигляді матриці, що надає зручне сприйняття процесу розрахунків.

11. У теоретичному спрямуванні розроблений комплекс (підхід до прогнозування, його автоматизована реалізація) є процесом перетворення даних (метеорологічні спостереження, характеристики культур і технологій) в знання і сучасною формою інтеграції цих знань у виробництво.

12. Для умов виробництва пропонується інформаційна система, яка здатна надавати поради щодо планування і корегування технологій вирощування культур при зрошенні, спираючись на прогноз строків проходження фенологічних фаз розвитку. Експлуатаційна перевірка системи довела можливість підвищення ефективності управління технологічними процесами. При цьому, при умові незначних перетворень (коригування даних в БД) система може бути використана з тим же ефектом і в умовах богарного землеробства. Аналіз результатів впровадження у господарствах Білозерського району Херсонської області підтверджує, що економія технологічних ресурсів і ресурсів праці підвищилась відносно традиційних методів прийняття рішень на 12-20% ( в залежності від культур) за рахунок своєчасності проведення агрозаходів і корегування параметрів технології у відповідності до ситуації на полі.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Ківер Г.Ф., Москаленко А.А., Крініцин В.В. Модель коректування технології вирощування томатів // ТНВ: Зб. наук. пр. - Херсон: Айлант, -1999. - Вип.12. - C.185-188. (Частка авторства складає 35%, аналіз даних, математична обробка).

2. Крініцин В.В. Основні принципи автоматизованого прогнозування розвитку культур // ТНВ: Зб. наук. пр. - Херсон: Айлант, -2000. -Вип.16. - С.190-192.

3. Міхеєв Є.К., Крініцин В.В. Метод прогнозування розвитку культур на підставі моделювання // ТНВ: Зб. наук. пр. - Херсон: Айлант, - 2001. - Вип.17. -С.187-190. (Частка авторства складає 50%, аналіз даних, математична обробка, розробка алгоритму, проведення досліджень).

4. Крініцин В.В., Москаленко А.А., Міхеєв Є.К. Принципи створення систем підтримки управляючих рішень в землеробстві. // Проблеми ефективного функціонування АПК в умовах нових форм власності і господарювання.К.:Т.1, 2001.-С.696-699. (Частка авторства складає 50%, аналіз результатів, математична обробка, проведення досліджень).

5. Крініцин В.В. Формальні підходи до прогнозування розвитку культур // ТНВ: Зб. наук. пр. - Херсон: Айлант, - 2002. -Вип.21. -С.233-237.

6. Крініцин В.В. Особливості методу представлення знань в експертних систе-мах // ТНВ: Зб. наук. пр. - Херсон: Айлант, -2002. - Вип.22. - С.260-263.

7. Міхеєв Є.К., Крініцин В.В. Моделювання розвитку культур в системі точного землеробства // Наука і освіта. - Том 7: Фізико-математичні науки. - 2003. - C.29-31.(Частка авторства складає 50%, аналіз результатів, математична обробка).

8. Крініцин В.В. Технічні аспекти машинної реалізації алгоритму автома-тизованого прогнозування розвитку культур // Зрошуване землеробство. - Херсон: Айлант, - 2004. - № 43. С.11-17.

9. Крініцин В.В., Міхеєв Є.К. Контроль за розвитком культур на основі моделювання і автоматизованого прогнозування // ТНВ: Зб. наук. пр. - Херсон: Айлант, - 2004. - Вип.36. - С.254-259. (Частка авторства складає 80%, розробка алгоритму, аналіз результатів, програмна реалізація).

АНОТАЦІЯ

Крініцин В.В. Системне прогнозування розвитку культур в зрошуваному землеробстві.-Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 06.01.02 - сільськогосподарські меліорації (технічні науки).- Інститут гідротехніки і меліорації УААН, Київ, 2005 р.

Розроблено базовий метод прогнозування розвитку культур в автоматизованому режимі. Метод автоматизованого контролю засновано на розрахунку біокліматичних констант і індексів розвитку культур. В основі методу лежить математична динамічна модель, що розраховує константи і індекси залежності стану культур від факторів впливу. Інформаційною базою системи є середньодобові і середньомісячні значення температури повітря, граничні значення сум температур по кожній культурі. Розроблено алгоритм вирішення моделі у вигляді аналітичних схем і фреймових структур, який реалізується прикладними комп'ютерними програмами. Вихідні документи надано у вигляді таблиць і графічних побудов.

Побудована на основі принципів перетворення даних у знання і сучасних комплексів комп'ютерних програм система вирішує задачі контролю за поточним станом культур у конкретних умовах виробництва, призначає відповідні до ситуації агротехнічні заходи. Окрім придатності для використання в прикладному виробничо-навчальному призначенні метод дає змогу відшукати варіанти рішень у машинно-імітаційному режимі.

Ключові слова: автоматизація, алгоритм, метод, модель, система, біокліматичні константи, фенофаза, розвиток.

АННОТАЦИЯ

Криницын В.В. Системное прогнозирование развития культур в орошаемом земледелии . -Рукопись.

Диссертация на соискание научной степени кандидата технических наук по специальности 06.01.02 - сельскохозяйственные мелиорации (технические науки).- Институт гидротехники и мелиорации УААН, Киев, 2005 г.

Специфические условия орошаемого земледелия обусловили необходимость совершенствования традиционных и разработки методов планирования и управления технологическими процессами выращивания культур. Поэтому на основе законов взаимосвязи факторов влияния и развития культур с использованием системного подхода, методов математической статистики, моделирования и алгоритмизации, разработаны новые подходы и методы оперативного планирования технологий на основе прогнозирования развития растений, экономической, энергетической и экспертной оценок технологических операций.

Опираясь на теоретические и эмпирические данные разработаны модели и алгоритмы, описывающие связи сроков прохождения фаз вегетации, факторов внешней среды, совокупного влияния агроприемов, обоснование минимизации технологичных схем.

Согласование существующих подходов и методов определения сроков прохождения периодов развития культур, сроков проведения ТО, биологических индексов развития, позволило разработать модели и алгоритмы прогнозирования состояния культур.

Разработан базовый метод прогнозирования развития растений в автоматизированном режиме. Метод автоматизированного планирования и контроля основан на расчете биоклиматических констант и технологических индексов развития культур, а в основу положена математическая динамическая модель, которая рассчитывает константы и индексы зависимости состояния культур от факторов влияния.

Разработан алгоритм решения модели в виде аналитических схем и фреймовых структур, который реализуется прикладными компьютерными программами.

Разработаны алгоритмы экономического и энергетического обоснования минимизации технологий выращивания культур в условиях орошения.

В итоге предлагаются новые подходы и методы оценки технологических операций и их оперативное планирование на ЭВМ в виде экспертной системы поддержки технологических решений.

Построенная на основе принципов превращения данных в знания и современных комплексах компьютерных программ, система решает проблемы контроля за текущим состоянием растений в конкретных условиях производства, назначает соответствующие ситуации агротехнические мероприятия.

Данные разработки с достаточной степенью эффективности могут использоваться для управления технологическими процессами в орошаемом земледелии, при прогнозировании процессов развития культур, для экспертизы возможности районирования сортов, в учебных программах профильных учебных заведений.

Ключевые слова: автоматизация, алгоритм, метод, модель, система, био-климатические константы, фенофаза, развитие.

THE SUMMARY

Krinitsin V.V. The systemic prognosis of development of crops in the irrigating agriculture. - Manuscript.

Thesis for the candidate's degree of agricultural science for the specialty 06.01.02.-Agricultural Amelioration (technical science) of Hydraulic Engineering and Land Reclamation Institute, UAAS, Kyiv, 2005.

The base method of prognosis of development of plants was worked out in autonomous system. The method of the automated control is based on calculation of bioclimatic constants and indexes of development of crops. In the base of this method is the mathematical dynamic model, which calculates constants and indexes which depend from the condition of a crops and factors of influence. The information base of system is the meaning of the average daily and monthly temperatures of air, the utmost meanings of the sums of the temperatures on each crops.

The algorithm was made which decides models in analytical schemes and phenophase structures which is realized by the examples of programs. The initial documents are given in the tables and charts.

System was built on the principles which changes information into knowledge and modern complex of computer programmes, this system decides the problems of control over the long-term condition of the plants in concrete circum-stances according such enterprise determines agrotechnical measures according the situation. Except suitability for using in applied production functions the method make it possible to find the deferent variants of decisions in computer and simulation mode.

Key word: automation, algorithm, method, model, system, bioclimatic constants, phenophase, development.

Размещено на Allbest.ru

...