Автоматизированный системно-когнитивный анализ силы и направления влияния морфологических свойств помидоров на количественные, качественные и финансово-экономические результаты их выращивания в условиях неотапливаемых теплиц Юга России

6

0,56

23,24

2,33

95,97

32

23

СР.МАССА ПЛОДОВ (Г)-Среднее: 2/3-{195.0, 203.0}

8

0,54

23,78

2,22

98,20

33

30

СОД.В ПЛОД.ОБЩ.САХ-Большое: 3/3-{2.2, 2.4}

10

0,44

24,21

1,80

100,00

Из таблицы 10 мы видим, что морфологические свойства помидоров наиболее сильно (жестко) детерминируют (обуславливают) среднюю общую урожайность и высокие прибыль и рентабельность, а наиболее слабо - большую раннюю урожайность и высокое содержание сахара в плодах. При этом степень детерминированности наиболее и наименее детерминированных классов отличается примерно в два раза, что довольно существенно.

Степень детерминированности (обусловленности) всей классификационной шкалы является средним от степени детерминированности ее градаций, т.е. классов (таблица 10).

Таблица 10. Классификационные шкалы, ранжированные по убыванию средней степени детерминированности их градаций в СК-модели INF3

Из таблицы 10 видно, что наиболее высокую степень детерминированности обуславливающими их факторами имеют общая урожайность, прибыль и рентабельность, а наименьшую средняя масса плодов и содержание в них витамина C и сухих и пластических веществ. Результаты выращивания помидоров с высокой степенью детерминированности получаются под действием обуславливающих их факторов с большей гарантией, чем с низкой. Различие в степени детерминированности составляет около 65%.

4.3.10 Устойчивость результатов выращивания помидоров от значений обуславливающих их морфологических свойств

Устойчивость зависимостей результатов выращивания помидоров от обуславливающих их факторов предполагает и подразумевает непрерывность и монотонность этих зависимостей.

Непрерывность зависимостей результатов выращивания помидоров от обуславливающих их факторов означает, что малые изменения значений фактора детерминируют малые изменения результатов выращивания, а более значительные изменения значения факторов обуславливают и более существенные изменения результатов, т.е. степень изменения результатов выращивания соответствует степени изменения обуславливающих их значений факторов.

Если непрерывность нарушается, то незначительное изменения значения действующего фактора может привести как к малым, так и к значительным изменениям результатов, а большие изменения значений действующих факторов могут оказать как сильное, так и незначительное влияние на изменение результатов.

Если в системе управления нарушается непрерывность управления, то это воспринимается как ее поломка, неисправность и непригодность для выполнения своей функции.

Например, если нарушается непрерывность зависимости тяги двигателя машины от степени нажатия педали газа, то при плавном увеличении газа машина будет не плавно разгоняться, а начнет дергаться и может вообще заглохнуть, как это бывает у новичков, которые еще не научились правильно трогаться с места.

Монотонность зависимостей результатов выращивания помидоров от обуславливающих их факторов означает, что:

- если фактор способствует получению результатов: увеличение значения фактора приводит к увеличению результатов выращивания;

- если фактор препятствует получению результатов: увеличение значения фактора приводит к уменьшению результатов выращивания.

Монотонность управления характерна для линейных систем управления и нарушается в нелинейных системах управления [12]. Система управления является линейной, если для нее выполняется принцип суперпозиции, т.е. результат совместного действия на нее совокупности факторов является суммой действий каждого из них по отдельности [12].

Если в системе управления нарушается монотонность управления, то это может приводить к тому, что при увеличении значения фактора результат может сначала увеличиваться практически пропорционально степени увеличения этого значения, затем скорость увеличения результата начинает уменьшаться и затем стабилизируется, а при дальнейшем увеличении значения фактора результат начинает уменьшаться вплоть до нуля или даже отрицательных значений (например, вместо прибыли получены убытки). По сути, при нарушении монотонности управления меняется знак первой производной результата управления по значению фактора, нарушается знакоопределенность этой первой производной. Понятно, что немонотонные функции не являются непрерывными.

Принципиальный вид кривой влияния интенсивности фактора на результат в нелинейной системе при этом получается очень похожий у всех факторов (для примера на рисунке 31 показаны 3 из них):

Рисунок 31. Принципиальный вид кривой влияния интенсивности фактора на нелинейный объект управления

Например, если по оси X показать интенсивность полива какой-либо конкретной культуры, а по Y урожайность, то график на рисунке 31 можно интерпретировать таким образом, что при полном отсутствии полива урожайность будет минимальной, при его увеличении урожайность будет возрастать сначала быстро, потом все медленнее, затем достигнет максимума, а потом при дальнейшем увеличении полива она начнет уменьшаться пока опять не достигнет минимума, когда все поле превратится в озеро. Принципиально важно, что один и тот же полив будет действовать по-разному при условии одновременного действия других факторов, причем при этом смещается точка оптимума, т.е. при действии других факторов оптимальный полив становится другой, в чем и проявляется нелинейность системы и взаимодействие факторов, нарушение для них принципа суперпозиции (кривые 1, 2, 3 на рисунке 31).

Нарушение монотонности управления может приводить к различным видам зависимостей результатов от значений управляющих факторов: это могут быть зависимости, типа показанных на рисунке 31; периодические зависимости (ярким примером является таблица Д.И. Менделеева, в которой свойства химических элементов изменяются периодически при линейном увеличении заряда ядра), а также сложные зависимости, в которых трудно найти какую-либо закономерность (напоминающие случайные).

Таким образом у нас есть все основания все разделить все факторы, действующие на результаты выращивания помидоров, относящиеся к одной классификационной шкале, на три основные группы:

1. Способствующие получению более высоких результатов (рисунок 32).

2. Препятствующие получению более высоких результатов (рисунок 33).

3. Действующие сложным и неоднозначным образом (случайным нелинейным или периодическим) (рисунок 34).

А)

Б)

Рисунок 32. Примеры непрерывных монотонных когнитивных функций с факторами, способствующими получению более высоких результатов

Из рисунка 32А мы видим, что увеличение высоты стебля помидора практически линейно детерминирует массу плодов, а из рисунка 32Б - что увеличение числа дней до цветения 3-го соцветия также однозначно приводит к увеличению прибыли.

А)

Б)

Рисунок 33. Примеры непрерывных монотонных когнитивных функций с факторами, препятствующими получению более высоких результатов

Рисунок 33А показывает, что чем больше дней до цветения 3-го соцветия, тем меньше ранняя урожайность. Из рисунка 34Б мы видим, что аналогично на раннюю урожайность влияет и увеличение числа листьев на 1 погонный метр стебля.

А)

Б)

Рисунок 34. Примеры немонотонных когнитивных функций с факторами, действующие сложным и неоднозначным образом (нелинейным и периодическим)

На рисунке 34А когнитивная функция по виду похожую на приведенную на рисунке 31, а НА 34Б - очевидно напоминает периодическую зависимость. Конечно содержательно интерпретировать и объяснить подобные зависимости сложнее, чем приведенные на рисунках 32 и 33.

Выводы

Как показывает анализ результатов численного эксперимента предложенное и реализованное в системе «Эйдос» решение поставленных задач является вполне эффективным, что позволяет обоснованно утверждать, что цель работы достигнута, проблема решена.

В результате проделанной работы, с помощью системы «Эйдос» были созданы 3 статистические и 7 системно-когнитивных моделей, в которых непосредственно на основе эмпирических данных сформированы обобщенные образы классов по различным количественным, качественным и финансово-экономическим результатам выращивания гибридов помидоров, изучено влияние значений различных морфологических свойств помидоров на эти результаты, и, на основе этого, решены задачи идентификации, принятия решений и исследования моделируемой предметной области путем исследования ее модели.

Все это, по мнению авторов, является достаточным основанием для того, чтобы обоснованно предложить новое научное направление: «Когнитивное овощеводство».

Со всеми моделями, созданными в данной статье, можно ознакомиться установив облачное Эйдос-приложение № 149 в режиме 1.3 системы «Эйдос».

Автор благодарен доктору биологических наук профессору Андрею Георгиевичу Кощаеву https://kubsau.ru/university/rectorate/ за предоставленную возможность опубликования данной статьи.

Список литературы

1. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605 с. http://elibrary.ru/item.asp?id=18632909.

2. Луценко Е.В. Метризация измерительных шкал различных типов и совместная сопоставимая количественная обработка разнородных факторов в системно-когнитивном анализе и системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №08(092). С. 859-883. - IDA [article ID]: 0921308058. - Режим доступа: http://ej.kubagro.ru/2013/08/pdf/58.pdf, 1,562 у.п.л.

3. Луценко Е.В. Инвариантное относительно объемов данных нечеткое мультиклассовое обобщение F-меры достоверности моделей Ван Ризбергена в АСК-анализе и системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2017. - № 02 (126). С. 1-32. - IDA [article ID]: 1261702001. - Режим доступа: http://ej.kubagro.ru/2017/02/pdf/01.pdf, 2 у.п.л.

4. Луценко Е.В. Количественный автоматизированный SWOT- и PEST-анализ средствами АСК-анализа и интеллектуальной системы «Эйдос-Х++» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №07(101). С. 1367 - 1409. - IDA [article ID]: 1011407090. - Режим доступа: http://ej.kubagro.ru/2014/07/pdf/90.pdf, 2,688 у.п.л.

5. Луценко Е.В. Метод когнитивной кластеризации или кластеризация на основе знаний (кластеризация в системно-когнитивном анализе и интеллектуальной системе «Эйдос») / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №07(071). С. 528 - 576. - Шифр Информрегистра: 0421100012\0253, IDA [article ID]: 0711107040. - Режим доступа: http://ej.kubagro.ru/2011/07/pdf/40.pdf, 3,062 у.п.л.

6. Луценко Е.В. Системная теория информации и нелокальные интерпретируемые нейронные сети прямого счета / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2003. - №01(001). С. 79-91. - IDA [article ID]: 0010301011. - Режим доступа: http://ej.kubagro.ru/2003/01/pdf/11.pdf, 0,812 у.п.л.

7. Орлов А.И., Луценко Е.В. Системная нечеткая интервальная математика. Монография (научное издание). - Краснодар, КубГАУ. 2014. - 600 с. ISBN 978-5-94672-757-0. http://elibrary.ru/item.asp?id=21358220.

8. Луценко Е.В. Системно-когнитивное моделирование влияния агротехнологий на урожайность и качество пшеницы и решение задач прогнозирования, поддержки принятия решений и исследования предметной области / Е.В. Луценко, Е.К. Печурина // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2019. - №03(147). С. 62 - 128. - IDA [article ID]: 1471903015. - Режим доступа: http://ej.kubagro.ru/2019/03/pdf/15.pdf, 4,188 у.п.л.

9. Луценко Е.В., Открытая масштабируемая интерактивная интеллектуальная on-line среда «Эйдос» («Эйдос-online»). Свид. РосПатента РФ на программу для ЭВМ, Заявка № 2017618053 от 07.08.2017, Гос.рег.№ 2017661153, зарегистр. 04.10.2017. - Режим доступа: http://lc.kubagro.ru/aidos/2017661153.jpg, 2 у.п.л.

10. Луценко Е.В. Открытая масштабируемая интерактивная интеллектуальная on-line среда для обучения и научных исследований на базе АСК-анализа и системы «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2017. - №06(130). С. 1-55. - IDA [article ID]: 1301706001. - Режим доступа: http://ej.kubagro.ru/2017/06/pdf/01.pdf, 3,438 у.п.л. http://lc.kubagro.ru/aidos/Presentation_Aidos-online.pdf.

11. Луценко Е.В., Лойко В.И., Лаптев В.Н. Системы представления и приобретения знаний: учеб. пособие / Е. В. Луценко, В. И. Лойко, В. Н. Лаптев. - Краснодар: Экоинвест, 2018. - 513 с. ISBN 978-5-94215-415-8. https://elibrary.ru/item.asp?id=35641755

12. Луценко Е.В. Моделирование сложных многофакторных нелинейных объектов управления на основе фрагментированных зашумленных эмпирических данных большой размерности в системно-когнитивном анализе и интеллектуальной системе «Эйдос-Х++» / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №07(091). С. 164 - 188. - IDA [article ID]: 0911307012. - Режим доступа: http://ej.kubagro.ru/2013/07/pdf/12.pdf, 1,562 у.п.л.

13. Лойко В.И. Подходы к автоматизации процессов управления производством продукции растениеводства / В.И. Лойко, С.А. Курносов, В.В. Ткаченко, Н.А. Ткаченко // Экономико-правовые аспекты реализации стратегии модернизации России: поиск модели эффективного социохозяйственного развития: сб. стат. междунар. науч.-практ. конф., Сочи, 5-9 октября 2016 г. - М.: НИИ ЭИП2016. С. 128-132.

Размещено на Allbest.ru