4.1. Прогнозирование результатов выращивания сельскохозяйственных культур
и поддержка принятия решений по рациональному выбору агротехнологий
Исследование проведено совместно с д.б.н., к.т.н., профессором О.А.Засухиной
на базе Кубанского государственного аграрного университета в 1993-1996 годах [31,
35]. Методологической и инструментально-технологической основой данного исследования
являлись системно-когнитивный анализ (СК-анализ) и система "Эйдос".
С помощью сформированной содержательной информационной модели
прогнозировались результаты выращивания сельскохозяйственных культур и
вырабатывались научно-обоснованных рекомендации по управлению урожайностью и качеством
сельскохозяйственной продукции.
Созданная модель включала:
– объект управления (сельскохозяйственную культуру: зерновые колосовые);
– классы (будущие состояния объекта управления, т.е. количественные и
качественные результаты выращивания);
– факторы управляющей системы (агротехнологии, т.е. нормы высева, виды
и нормы внесения удобрений, методы вспашки, ротация севооборота и т.п.);
– факторы окружающей среды (вид почв, культуры–предшественники по предшествующим
годам и др.).
Размерность модели составила: 35
прогнозируемых результатов выращивания, 188 градаций факторов, 217 прецедентов
в обучающей выборке, 18594 факта.
На основе предложенной технологии СК-анализа в среде
системы «Эйдос» разработано конкретное приложение, обеспечивающее управление продуктивностью
(урожайностью) и качеством сельскохозяйственных культур путем выбора и применения
оптимальной агротехнологии в зависимости от таких факторов, как:
– поставленная цель (максимальное количество или
максимальное качество продукции);
– вид почв;
– метод вспашки;
– культура-предшественник;
– нормы высева;
– виды и нормы внесения удобрений;
– ротация севооборота;
а
также ряда других параметров объекта управления и окружающей среды.
Этапы разработки приложения
1. Формулировка целей методики и в соответствии с ними разработка
перечня прогнозируемых хозяйственных ситуаций, т.е. результатов выращивания
(например, для классификации будущих состояний, в том числе целевых, могут быть
использованы "шкала качества" и "шкала количества", рисунок 80):
|
|
|
Рисунок 80.
Будущие состояния объекта управления: количественные и качественные
результаты выращивания сельхозкультуры (зерновые колосовые) |
2. Разработка формализованного паспорта
результатов выращивания сельхозкультур, позволяющего описать в пригодной для
компьютерной обработки форме результаты выращивания конкретной сельхозкультуры
на конкретном поле и по конкретной технологии.
Формализованный паспорт состоит из трех частей:
– первая включает целевые и нежелательные будущие состояния объекта
управления;
– вторая содержит описательные шкалы и градации, описывающие не зависящие
от воли человека факторы окружающей среды;
– третья – зависящие от человека, т.е. технологические факторы, которые
можно рассматривать как средство достижения желаемых хозяйственных результатов
(рисунки 81 и 82).
|
|
|
Рисунок 81.
Видеограмма с фрагментом справочника описательных шкал (факторы) |
3. Использование бумажного архива по выращиванию
сельхозкультур для заполнения формализованных паспортов и ввода в программную инструментальную систему «Эйдос» в качестве
примеров выращивания (обучающей выборки)
(рисунок 82).
|
|
4. Выявление (на основе предъявленных реальных
примеров выращивания сельхозкультур) взаимосвязей между применяемыми технологиями
и полученными результатами и формирование информационных портретов по каждому
возможному результату выращивания.
Информационный портрет хозяйственной ситуации представляет
собой перечень технологических факторов с количественным указанием того, какое
влияние оказывает каждый из них на осуществление данной ситуации (рисунок 83):
|
|
|
|
|
|
|
Рисунок 83. Примеры информационных портретов
результатов выращивания "высокое количество" и "высокое качество" |
|
5. Каждый из технологических факторов на основе
приведенных примеров характеризуется тем, какое влияние он оказывает на
осуществление каждой (целевой или нежелательной) хозяйственной ситуации (рисунок
84):
|
|
|
|
Рисунок 84. Семантический портрет признака: |
|
6. Сравнение различных хозяйственных ситуаций и
формирование групп наиболее сходных из них (кластеров), а также определение
кластеров, наиболее сильно отличаются друг от друга (конструктов). При этом на
экспериментальной базе данных был выявлен конструкт
"качество–количество", означающий, что для получения высокого качества
и большого количества необходимы совершенно противоположные и несовместимые
(т.е. невозможные одновременно) почвы: предшественники и агротехнологические
приемы (рисунок 85):
|
|
|
|
Рисунок 85. Конструкт
классов: "Качество – количество" и семантическая сеть классов по
шкалам: "Качество – количество" |
|
7. Группировка технологических факторов в кластеры
и конструкты. Кластерно-конструктивный
анализ факторов показал, что некоторые
различные по своей природе факторы имеют сходное влияние на хозяйственные
результаты. Эти факторы предложено использовать для замены друг друга в случае необходимости (рисунок 86):
|
|
|
|
Рисунок 86. Конструкт
факторов: "Предшественники бобовые … – Ротация первая…" и семантической сети факторов:
"Предшественники – Глубина обработки почвы" |
|
8. Проверка способности созданного приложения
правильно прогнозировать хозяйственные результаты на массиве уже введенных
формализованных паспортов показала, что валидность оказалась недостаточно высокой
для практического применения: на уровне
58%. Причиной этого являются артефакты, из-за которых некоторые
хозяйственные ситуации оказались слабо детерминированными (рисунок 87). Удаление артефактов привело к повышению
интегральной валидности до 80%, что достаточно для практического использования
методики (рисунок 88)
|
|
|
|
Рисунок 87. Интегральная и дифференциальная
валидность методики до исключения артефактов |
Рисунок 88. Интегральная и дифференциальная
валидность методики после исключения артефактов |
Таким образом, решены две основные задачи:
1. Прогнозирование того, какие хозяйственные результаты наиболее
вероятны (а какие практически невозможны) на данном виде почв и с данными
предшественниками, а также при условии применения имеющихся в распоряжении
агротехнологий (рисунок 89). Указана мера сходства прогнозируемой ситуации
с каждым будущим состоянием.
|
|
|
Рисунок 89. Пример
карточки прогнозирования для конкретных условий выращивания |
2. Разработка рекомендаций по выбору управляющих воздействий, т.е. консультирование по
вопросам о том, какие виды почв, предшественники и агротехнологии должны
быть, чтобы можно было рассчитывать с определенной уверенностью на заданный
хозяйственный результат. Для этого достаточно вывести информационный портрет
заданного целевого состояния.
Система "Эйдос" позволяет оценивать
степень достоверности своих прогнозов и рекомендаций по управлению, т.е. она не
просто дает рекомендацию, но и количественно оценивает степень ее надежности.
Кроме того, система дает характеристику влияния каждого технологического приема
и рекомендации по замене желательных, но очень дорогих или не имеющихся в
наличии технологических приемов, другими, более дешевыми и доступными, и, при
этом, имеющими сходное влияние на хозяйственные результаты.
Таким образом, данная методика позволяет
"просматривать" различные варианты технологии, прогнозировать
последствия применения различных технологических приемов, и на этой основе
вырабатывать научно обоснованные рекомендации по выбору возделываемой культуры
и оптимальной для поставленных целей агротехнологии.
В данном исследовании в количественной
форме были обнаружены как уже известные закономерности по влиянию предшественников,
почв, удобрений, способов вспашки и т.д. на результаты выращивания
сельхозкультур, так и новые, ранее неизвестные.