Постановка задачи и синтез модели прогнозирования урожайности зерновых колосовых и поддержки принятия решений по рациональному выбору агротехнологий - Статья

Для решения поставленной проблемы предлагается применить новый математический метод системно-когнитивного анализа (СК-анализ), который: обеспечивает выявление силы и направления влияния сотен или даже тысяч факторов; является непараметрическим; позволяет корректно обрабатывать неполные (фрагментированные) данные; эффективно подавляет шум в данных и выявляет закономерности на фоне шума; имеет доступный программный инструментарий, реализующий метод (универсальная когнитивная аналитическая система "Эйдос"); обеспечивает возможность разумной содержательной интерпретации результатов применения метода [1, 2]. Автоматизированный системно-когнитивный анализ (АСК-анализ) [1, 2] представляет собой: метод СК-анализа, технологию, основанную на применении инструментария СК-анализа - системы "Эйдос", и методику применения этой системы для формирования семантической информационной модели предметной области (СИМ) и включает следующие этапы: 1. 1 Озимая пшеница Победа-50 49,5 {34,9-52,4} Ценная Озимая пшеница Победа-50 {34,9-52,4} Озимая пшеница Победа-50 Ценная Озимая пшеница {34,9-52,4} Озимая пшеница Ценная Многолетние травы Низкий Отвальная Отсутствует Бактороденцид 3 кг/га : Фосфид цинка т.п. 2 Озимая пшеница Победа-50 48,4 {34,9-52,4} Ценная Озимая пшеница Победа-50 {34,9-52,4} Озимая пшеница Победа-50 Ценная Озимая пшеница {34,9-52,4} Озимая пшеница Ценная Многолетние травы Средний Безотвальная Отсутствует Бактороденцид 3 кг/га : Фосфид цинка т.п. 3 Озимая пшеница Победа-50 45,4 {34,9-52,4} Ценная Озимая пшеница Победа-50 {34,9-52,4} Озимая пшеница Победа-50 Ценная Озимая пшеница {34,9-52,4} Озимая пшеница Ценная Многолетние травы Высокий Поверхностная Отсутствует Бактороденцид 3 кг/га : Фосфид цинка т.п.Как видно из приведенной в таблице 6 информации, созданная семантическая информационная модель обладает довольно высокой степенью достоверности, т.е. достаточно адекватно отражает исследуемую предметную область.В заключение авторы выражают благодарность доктору сельскохозяйственных наук, профессору Малюге Николаю Григорьевичу за предоставленную исходную информацию.

урожайность зерновой агротехнология автоматизированный

1. Как видно из приведенной в таблице 6 информации, созданная семантическая информационная модель обладает довольно высокой степенью достоверности, т.е. достаточно адекватно отражает исследуемую предметную область.

2. Это означает, что эту модель можно корректно использовать для: - решения задачи прогнозирования урожайности озимой пшеницы исследованных сортов и озимого ячменя;

- для решения задач поддержки принятия решений по рациональному выбору агротехнологий, с наиболее высокой вероятностью приводящих к заранее заданному желаемому хозяйственному и экономическому результату;

- исследование данной модели корректно считать исследованием самой моделируемой (отраженной в модели) предметной области.В заключение авторы выражают благодарность доктору сельскохозяйственных наук, профессору Малюге Николаю Григорьевичу за предоставленную исходную информацию. В связи с большим объемом материала продолжим рассмотрение решения поставленных задач в работе [25].

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.

Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности: 351400 "Прикладная информатика (по отраслям)". - Краснодар: КУБГАУ. 2004. - 633 с.

Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). - Краснодар: КУБГАУ. 2005. - 480 с.

Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5.1"): Монография (научное издание). - Краснодар: КЮИ МВД РФ, 1996. - 280 с.

Симанков В.С., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов: Монография (научное издание). - Краснодар: ТУ КУБГТУ, 1999. - 318 с.

Симанков В.С., Луценко Е.В., Лаптев В.Н. Системный анализ в адаптивном управлении: Монография (научное издание) /Под науч. ред. В.С. Симанкова. - Краснодар: ИСТЭК КУБГТУ, 2001. - 258 с.

Луценко Е.В., Драгавцева И.А., Луценко Н.Е., Лопатина Л.М. Применение автоматизированного системного анализа для прогноза продуктивности плодовых культур на Юге страны // Материалы Всероссийской научно-практической конференции. - Краснодар: СКЗНИИСВ, 2002. - С. 8-11.

Луценко Е.В., Драгавцева И.А., Лопатина Л.М., Луценко Н.Е. Применение системного анализа для прогнозирования успешности выращивания сельскохозяйственных культур (на примере плодовых) // Формы и методы повышения эффективности координации исследований для ускорения процесса передачи реальному сектору экономики завершенных разработок: Сборник. - Краснодар: СКЗНИИСИВ, 2002. - С. 62-67.

Луценко Е.В., Лопатина Л.М. Создание автоматизированной системы мониторинга, анализа, прогноза и управления продуктивностью сельскохозяйственных культур // Научный журнал КУБГАУ [Электронный ресурс]. - Краснодар: КУБГАУ, 2003. - №02(2). - Режим доступа: .

Луценко Е.В., Егоров Е.А., Драгавцева И.А., Лопатина Л.М. и др. Интенсивные технологии возделывания плодовых культур: Монография (научное издание): СКЗНИИСИВ. - Краснодар. - 2004. - 394 с.

Луценко Е.В., Драгавцева И.А., Лопатина Л.М. Концептуальная постановка задачи: "Прогнозирование количественных и качественных результатов выращивания заданной культуры в заданной точке" // Научный журнал КУБГАУ [Электронный ресурс]. - Краснодар: КУБГАУ, 2004. - №05(7). - Режим доступа: .

Луценко Е.В., Драгавцева И.А., Лопатина Л.М. Автоматизация системного анализа продуктивности плодовых культур Юга России // Научные труды Российской академии сельскохозяйственных наук. - 2005. - №4. - С. 11-14.

Луценко Е.В., Драгавцева И.А., Лопатина Л.М. Автоматизированная система мониторинга, анализа и прогнозирования развития сельхозкультур "ПРОГНОЗ-АГРО". Пат. № 2003610433 РФ. Заяв. № 2002611927 РФ. Опубл. от 18.02.2003.

Луценко Е.В., Драгавцева И.А., Лопатина Л.М. База данных автоматизированной системы мониторинга, анализа и прогнозирования развития сельхозкультур "ПРОГНОЗ-АГРО". Пат. № 2003620035 РФ. Заяв. № 2002620178 РФ. Опубл. от 20.02.03.

Луценко Е.В., Драгавцева И. А., Лопатина Л.М., Немоляев А.Н. Подсистема агрометеорологической типизации лет по успешности выращивания плодовых и оценки соответствия условий микрозон выращивания ("АГРО-МЕТЕО-ТИПИЗАЦИЯ"). Пат. № 2006613271 РФ. Заяв. № 2006612452 РФ. Опубл. от 15.09.2006.

Луценко Е.В., Калустов А.А. Применение автоматизированного системно-когнитивного анализа для совершенствования методов компьютерной селекции подсолнечника // Научный журнал КУБГАУ [Электронный ресурс]. - Краснодар: КУБГАУ, 2005. - №02(10). - Режим доступа: .

Луценко Е.В., Головин В.П., Калайджян А.А., Калустов А.А. Совершенствование методов компьютерной селекции подсолнечника путем применения АСК-анализа // Материалы XIV Международного симпозиума "Нетрадиционное растениеводство. Эниология. Экология и здоровье" - 2-й съезд селекционеров. 3-11 сентября 2005 г., г. Алушта. - Симферополь, 2005. - С. 397-411.

Луценко Е.В., Головин В.П., Калайджян А.А., Калустов А.А. Прогнозирование селекционных свойств растений подсолнечника на основе их фенотипических признаков путем применения АСК-анализа // Материалы XIV Международного симпозиума "Нетрадиционное растениеводство. Эниология. Экология и здоровье" - 2-й съезд селекционеров. 3-11 сентября 2005 г., г. Алушта. - Симферополь, 2005. - С. 463-464.

Луценко Е.В., Головин В.П., Калайджян А.А., Калустов А.А. Кластерно-конструктивный и системно-когнитивный анализ результатов выращивания подсолнечника и факторов // Материалы XIV Международного симпозиума "Нетрадиционное растениеводство. Эниология. Экология и здоровье" - 2-й съезд селекционеров. 3-11 сентября 2005 г., г. Алушта. - Симферополь, 2005. - С. 476-478.

Луценко Е.В., Головин В.П., Калайджян А.А., Калустов А.А. Поддержка принятия решений по отбору растений для селекции на основе анализа их фенотипических признаков методом АСК-анализа // Материалы XIV Международного симпозиума "Нетрадиционное растениеводство. Эниология. Экология и здоровье" - 2-й съезд селекционеров. 3-11 сентября 2005 г., г. Алушта. - Симферополь, 2005. - С. 492- 496.

Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учебное пособие. - М.: Высшая школа, 1997. - 389 с.

Денисов А.А.. Информационное поле. - СПБ.: Изд-во "Омега", 1998. - 3,9 п.л.

Луценко Е.В. Типовая методика и инструментарий когнитивной структуризации и формализации задач в СК-анализе / Е.В. Луценко // Научный журнал КУБГАУ [Электронный ресурс]. - Краснодар: КУБГАУ, 2004. - №01(3). - Режим доступа: http://ej.kubagro.ru/2004/01/pdf/16.pdf .

Луценко Е.В. Системно-когнитивный анализ как развитие концепции смысла Шенка - Абельсона / Е.В. Луценко // Научный журнал КУБГАУ [Электронный ресурс]. - Краснодар: КУБГАУ, 2004. - №03(5). - Режим доступа: http://ej.kubagro.ru/2004/03/pdf/04.pdf .

Луценко Е.В., Лойко В.И., Великанова Л.О. Прогнозирование урожайности зерновых колосовых и поддержка принятия решений по рациональному выбору агротехнологий с применением СК-анализа. // Научный журнал КУБГАУ [Электронный ресурс]. - Краснодар: КУБГАУ, 2008. - №04(38). - Режим доступа: http://ej.kubagro.ru/2008/04/pdf/07.pdf.

Размещено на .ru