Анализ хозяйственной деятельности частного предприятия Агрофирмы "Должанской"

Потенциальный биологический урожай, обеспечиваемый ресурсами света (У о) приближенно определяется по соотношению:

где ?Q - сумма приходящей физиологически активной радиации, (ФАР) за период вегетации (млрд. ккал/га),

k -- коэффициент использования ФАР,

q -- калорийность биомассы растений (ккал/ц), которая в расчётах принимается за 400--450 тыс. ккал.

Существенным недостатком этой формулы является то, что коэффициент использования ФАР (k) не является постоянной величиной. Он изменяется от тех же причин, которые определяют и размер урожая. Поэтому в расчетах правомерно использовать лишь максимальное теоретически возможное значение коэффициента использования ФАР при оптимальных условиях температуры, влагообеспеченности и питания.

Теоретически возможный коэффициент использования ФАР на образование общей биомассы составляет 9,5--10,5%, в том числе в надземной биомассе может аккумулироваться 5--7% ФАР.

Для расчета возможного урожая по тепловым ресурсам предложен ряд комплексных показателей. В основу расчета по биогидротермическому потенциалу продуктивности (БГПП) положена установленная А.М. Рябчиковым зависимость урожая от гидротермического потенциала, включающего взаимовлияние света, тепла и влаги:

W*T_v

К_p = ------------

36R

где Кр - биогидротермический потенциал продуктивности (баллы), W-- продуктивная влага (мм), Ту -- период вегетации (число декад), R -радиационный баланс за этот период (ккал/см²). Переход от баллов к урожаю проводится по следующей формуле: У б = В*Кр , где У б -- урожай биомассы (ц/га). В -- эмпирический коэффициент, зависящий от вида и сорта растений, условий питания, уровня агротехники и других факторов.

Аналогичным образом проводится определение возможного урожая по гидротермическому показателю (ГТП), основанное на учете теплообеспеченности вегетационного периода и условий увлажнения.

ГТП = А* Кувл* V п ,

где п -- число декад основной вегетации данной культуры; Кувл -- коэффициент увлажнения; А -- эмпирический коэффициент.

где W -- продуктивная влага за вегетационный период (мм); R -- сумма радиационного баланса (ккал/см²).

Расчет урожая проводится по формуле:

У=-Ь ГТП--а,

где Ь и а -- эмпирические коэффициенты, зависящие от неуточненных в уравнениях факторов. В случае, когда Кувл^ (избыточное увлажнение), следует в расчетах принимать его равным 1.

Д.И. Шашко предложил метод расчета возможного урожая по биоклиматическому показателю продуктивности (БКП)

где Кр -- коэффициент биоклиматической продуктивности растений, ?t>10° -- сумма температур выше 10°; 1000° -- сумма температур выше 10° на северной границе земледелия. Определение возможного урожая проводится по формуле: У=В-БКП, где В -- эмпирический коэффициент, зависящий (как и в предыдущих формулах) от неучтенных в уравнении факторов.

Для уточнения расчетов возможного урожая Н. Ф. Бондаренко и Е. Е. Жуковский предложили вместо биоклиматического потенциала (БКП) использовать скорректированную величину W, определяемую зависимостью: W=cdbVI{, где d-- коэффициент влагообеспеченности; с - коэффициент обеспеченности растений питательными веществами, равный Ч-отношению фактической нормы удобрений, внесенных в почву в данном году, к некоторой оптимальной норме.

Для расчета урожая, как и в предыдущих, случаях, используют линейную зависимость У= а + BW, где а и В -- коэффициенты.

При расчете возможного урожая по водным ресурсам используются как прямые показатели увлажнения (продуктивная влага), так и косвенные -- различные коэффициенты увлажнения, представляющие собой отношение ресурсов влаги к возможному ее расходу (испаряемости или фактору, ее заменяющему).

Прямой расчет возможного урожая проводится по соотношению:

где Wn - продуктивная влага в метровом слое почвы; Кв -коэффициент водопотребления.

Следует отметить, что коэффициент водопотребления зависит от многих факторов и изменяется в широких пределах. Так, в наших опытах с многолетними злаковыми травами значение этого показателя изменялось в зависимости от уровня минерального питания от 250 до 2600. Поэтому в расчетах правомерно использовать лишь минимальные значения Кв, т.е. то минимальное количество воды, которое необходимо для транспирации и физического испарения с поверхности почвы при образовании единицы сухой массы урожая.

Среди косвенных методов оценки влагообеспеченности широкое распространение получил биологический метод А. М. Алпатьева. Потребность растений во влаге (Е) выражается по А. М. Алпатьеву суммой среднесуточных дефицитов влажности воздуха (Sd в мм) за вегетационный период: E=KZd, где к -- эмпирический коэффициент, зависящий от условий местности и биологических особенностей растений.

Исходя из наличии косвенной корреляции между приростом фитомассы и транспирацией в качестве функции снижения урожая водным дефицитом X. Г. Тооминг предложил использовать соотношение: F = -- где F - функция снижения урожая водным дефицитом, представляющая собой коэффициент почвенно-атмосферного увлажнения, Е -- суммарное испарение (эвапотранспирация); Ео -- испаряемость. Возможный урожай биомассы, обеспечиваемый ресурсами влаги (Ув), можно определить по соотношению: Ув=Упот-Р, где У пот -- потенциальный урожай, обеспечиваемый ресурсами света, тепла и плодородия почвы при оптимальном увлажнении.

Центральной проблемой при прогнозировании и программировании является определение возможного урожая по уровню естественного плодородия почвы и расчет норм удобрений на запланированный урожай. В настоящее время известно более 40 методов расчета норм удобрений на запланированный урожай. По нашему мнению, наиболее логична схема расчета по соотношению:

где Пп - питательные вещества почвы; Пу - питательные вещества удобрений; Кп и Ку - коэффициенты использования питательных веществ из почвы и удобрений; С - содержание питательного вещества в растениях. Несмотря на кажущуюся простоту и логичность балансовых методов расчета возможного урожая по уровню плодородия почвы и нормам удобрений, эти методы не позволяют получать устойчивых решений. Входящие в балансовое уравнение коэффициенты усвоения питательных веществ из почвы и удобрений и содержание элементов питания в растениях сильно изменяются в зависимости от тех же факторов, от которых изменяется и величина самого урожая.

При наличии данных по балльной оценке почвы и цены балла по культурам можно проводить определение возможного урожая и расчет норм удобрений на его планируемую величину по методу, предложенному Белорусским НИИ почвоведения и агрохимии:

Уп=Бп*Цб

где Уп -- прогнозируемый урожай, получаемый за счет эффективного плодородия почвы (ц/га); Бп -- балл бонитета почвы; Цб -- цена балла пашни (кг продукции)

где Уд. в. -- действительно возможный урожай (ц/га) по уровню эффективного плодородия почв и вносимых органических и минеральных удобрений; Дмрк -- норма минеральных удобрений в действующем веществе (кг/га); onpk -- оплата минеральных удобрений урожаем (кг на 1-кг NPK;

До.у. -- норма органических удобрений (т/га); Оо.у. -- оплата органических удобрений урожаем (кг на 1 т).

Математико-статистические модели урожая.

Почти параллельно с разработкой методов прогнозирования и программирования урожая по обобщенным агроклиматическим и почвенным показателям были начаты исследования по математическому моделированию. На первом этапе широкое распространение получили математико-статистические модели, основным классом которых являются производственные функции. Эти функции представляют собой регрессионные модели, выражающие количественную связь урожая с факторами производства, к которым относятся как материально-технические и экономические ресурсы, так и агроклиматические и почвенные показатели.

В исследованиях связи урожая с агроклиматическими, почвенными и агротехническими факторами применяются различные виды функций.

Зависимость урожая культуры с определенным генетическим потенциалом (Уп) от факторов среды -- света, тепла, влаги, питания и т. д. (xi, X2 5Х3, ... xn) -- имеет нелинейный, экспоненциальный характер (рис. 2) и в общем виде описывается следующим уравнением:

Из рис. 2 и приведенного уравнения видно, что по мере увеличения дозы указанных факторов урожай возрастает, но до определенного предела, после чего дальнейшее их повышение уже не обеспечивает прибавку урожая и даже может происходить его снижение (прерывистая кривая).

Как показали исследования, а также наши эксперименты, для описания биологических процессов, величина которых во времени в зависимости от внешних факторов имеет вид S-образной кривой, более пригодна

Рис.2. Зависимость урожая от факторов среды (объяснения в тексте)

А логистическая функция (У = ~--_сх )* При изучении действия 1+ be удобрений на урожай хорошие приближения к фактическим данным дают квадратичная (У=Ь + bx + сх²) и кубическая (У=a+Ьx+cx²+dx^з, где а, Ъ, с, d -- коэффициенты, х -- фактор среды) функции, а также функции Спиллмана (У=М--АР" , где М -- максимальный урожай при оптимальном значении фактора х; А -- прирост урожая, которого можно достичь с увеличением значения х; Р -- постоянная величина, определяющая степень уменьшения последовательных приращений урожая); степенная (У=ax^в) и экспоненциально-степенная (У=ax*e^cx) функции. Для описания связи урожая с возрастом травостоя (для многолетних трав), зависимости его от площади питания хорошо соответствует экспериментальным данным гиперболическая функция (У=А+---- ).

При описании зависимости урожая от факторов среды с+х на линейном участке «кривой» (рис. 2) применяется линейная функция (У= =ао+ aiX]+a2X2 ...+а„х„ , где ао „по -- коэффициенты, xj ...Хп -- факторы среды).

Эти так называемые производственные функции представляют собой регрессионные, модели, выражающие количественную связь урожая с факторами производства. Для их разработки (определения структуры и коэффициентов модели) используются данные научных учреждений, сортоучастков, а также отчеты хозяйств. Более близкие к реальным количественные связи урожая с управляемыми факторами позволяет получить постановка специальных опытов по многофакторным схемам. Но и в этом случае такие регрессионные модели имеют локальное применение -- они правомерны в погодных и почвенных условиях, близких к условиям проведения эксперимента. Точность расчетов значительно повышается, если использовать несколько функций, каждая из которых может дать удовлетворительные результаты при решении определенных задач в конкретных условиях.

В большей мере этим задачам удовлетворяют комплексные регрессионные модели, включающие большее количество факторов, влияющих на урожай в достаточно широком диапазоне их изменчивости. Многомерную функцию урожая можно записать в виде системы однофакторных функций, произведение которых отражает совместное влияние переменных на урожай. Тогда факторы, влияющие на урожай, представляются в уравнении в виде нормированных функций. Этот методический подход нередко используется при построении комплексных функций.

Применение простых и комплексных статистических моделей, основанных на балансовых и регрессионных зависимостях, для целей прогнозирования и оптимизации урожая целесообразно в тех случаях, когда конечный урожай определяется суммарным значением факторов, заранее рассчитанных на получение планируемого урожая, а распределение управляемых факторов во времени осуществляется на неформальной основе. В силу случайного характера погодных условий расчет возможного урожая ведется по средним многолетним данным с одновременным определением вероятности получения запланированного урожая.

Динамические имитационные модели формирования урожая. Наиболее перспективным методом для прогнозирования и оперативного управления формированием урожая с момента посева до уборки является имитационное моделирование продукционного процесса, позволяющее на качественно новом уровне подойти к учету влияния почвенно-климатических условий и обоснованию комплекса агротехнических мероприятий для получения запрограммированных урожаев.

Раздел III. Разработка модели отыскания оптимальной структуры посевных площадей сельскохозяйственных культур

3.1 Постановка задачи и критерий оптимальности

В соответствии с целью дипломной работы необходимо определить оптимальную структуру посевных площадей сельскохозяйственных культур, которая позволит получить максимум прибыли от реализации продукции растениеводства.

Оптимальная структура должна удовлетворять экономическим, агрономическим и зоотехническим требованиям, т.е. рационально использовать имеющиеся в хозяйстве ресурсы, соответствовать требованиям севооборота и обеспечивать отрасль животноводства полноценными, сбалансированными кормами для производства требуемого объема животноводческой продукции.

Критерий оптимальности - максимум прибыли от реализации продукции растениеводства.

Полагаем, что имеется площадей - So, которые могут быть выделены под: зерновые - S₁ травы - S₂ овощи - Sз

Условие, ограничивающее выпускное значение выделяемых плошадей

Так как в используемой почве должен поддерживаться уровень питательных веществ, необходимых для выращивания с/х культур, то на обработку этих земель должны выделяться средства: Z;, i = 1,2,3 - удельные затраты.

Таким образом мри таком распределении затрат на обработку имеют

При таком хозяйствовании средняя урожайность для каждого вида продукции растениеводства имеет значение: у; , i =1,2,3 , у{ >0 , а следовательно всего будет получено продукции по видам:

Кроме земледелия мы должны указать еще наличие животноводства, которое частично поглощает произведенную продукцию. Долю выделяемую на животноводство обозначим:

Если предположим, что в хозяйстве имеется No голов скота, и каждой требуется объем растительной пищи Ко , то отсюда следует условие

здесь еще нужно учесть, что в питании животных должна быть соблюдена пропорция составляющих питательных элементов и вычислены минимальные порции этих составляющих

где К;- минимально допустимое количество i - го продукта в питании. Использование кормов i - го вида приносит доход а,Х,С, где С, - дополнительный доход за единицу i - го продукта использованного в кормах.

Учитывая необходимость максимизации прибыли, мы должны ввести реализационные цены для продуктов

Тогда целевая функция принимает вид

или используя выражение (3) получим

J=^[(l-a,)C, +a,C,)]r,S, -^Z,S, ^ma^

Параметрами оптимизации в общем случае служат: - S; -как в задаче оптимального распределения земельных ресурсов. - а, - как в задаче оптимального выбора рациона.

Если фиксировать рацион на некотором допустимом уровне, удовлетворяющем неравенству (6), то задачу нелинейного программирования

Можно свести к задаче линейного программирования с линейной целевой функцией (8), (т.к. а; фиксирована), и линейными ограничениями

Полученное решение задачи (16) : Si , 83 , 8з , со значением целевой функции J* =J(Si*, Sz*, 83*, (Xi⁰, сиз⁰, аз°), где а;⁰- допустимое значение кормов a; - используем в задаче

При решении которой нужно достичь значения целевой функции ** * J >J .

Если существует решение задачи (17), то можно вернуться к задаче (16) и улучшить параметры S; при новых значениях а;⁰ и так далее, до тех пор пока Л/ будет так мало, что улучшение теряет экономический смысл.

3.2 Отчет работы программы

Исходные данные:

Схема алгоритма показана в приложении 2 .

Входные данные:

Список использованных источников

1. Б.В. Акименко «Система ведения агропромышленного производства Луганской области» -Луганск 1997, -560с.

2. Н.Н. Моисеев «Математические задачи системного анализа» -М.- 1981,-488с.

3. А.В. Карпенко «Практикум по математическому моделированию экономических процессов в сельском хозяйстве» М.-1985,-267с.

4. В.М. Ковалев «Прогнозирование и программирование урожаев»-М. 1987,-бЗс.

5. Р.Г. Кравченко «Математическое моделирование экономических процессов в сельском хозяйстве» М.-1978, -423с.

6. В.В. Кардаш «Модели управления производственно-экономическими процессами в сельском хозяйстве» М.-1991, -267с.

7. ЧП «Должанское». История становления и развития.

8. Анализ хозяйственной деятельности ЧП «Должанское» : 2000г.

9. Годовой отчет финансово-хозяйственной деятельности ЧП

«Должанское»: 2000г.

Размещено на Allbest.ru