ГЛАВА-4. ПРОГНОЗИРОВАНИЕ ПРОДУКТИВНОСТИ
И КАЧЕСТВА КУЛЬТУР НА ОСНОВЕ ДАННЫХ МЕТЕОПРОГНОЗОВ

 

Исследование посвящено решению актуальных задач прогнозирования количественных и качественных результатов выращивания семечковых плодовых культур (на примере яблок), на основе выявления причинно-следственных зависимостей между метеофакторами и этими результатами.

В разделе 1: "Постановка задачи и выбор метода ее решения" обоснованы актуальность, объект и предмет, цель и задачи исследования, приведены источники исходных данных, дана характеристика исходных данных и обоснованы требования к методу решения поставленных задач, кратко описаны традиционные методы решения, и сделан основной вывод о недостаточности традиционных подходов и целесообразности применения новых методов для решения поставленных задач.

В разделе 2: "Когнитивная структуризация, формальная постановка задачи и синтез модели" обоснованы выбор метода и концепция решения задачи, дано краткое описание метода системно-когнитивного анализа (СК-анализ), раскрыты его теоретические предпосылки, описаны математическая модель, методика численных расчетов, специальный программный инструментарий СК-анализа (система "Эйдос"), проведены когнитивная структуризация предметной области, формальная постановка задачи и формирование обучающей выборки. В частности, разработаны классификационные и описательные шкалы и градации, а также электронная форма для представления исходных данных и применен программный интерфейс СК-анализа для преобразования исходных данных из формы по датам в стандартную форму по фенофазам, осуществлен импорт исходных данных из стандартной формы по фенофазам в базы данных системы "Эйдос", а затем и синтез семантической информационной модели, ее оптимизация и проверка на адекватность. По результатам второй главы сделан главный вывод о том, что сформированная модель имеет достаточно высокую адекватность для того, чтобы ее исследование считать исследованием самого объекта.

В разделе 3: "Исследование семантический информационной модели" решены следующие задачи:

1. Прогнозирование результатов выращивания заданной культуры в заданной точке.

2. Поддержка принятия решений по рациональному выбору зон и микрозон выращивания данной культуры и сорта.

3. Поддержка принятия решений по рациональному выбору культур для выращивания в данной зоне и микрозоне.

4. Кластерно-конструктивный и системно-когнитивный анализ результатов выращивания и факторов.

Показано, что для решения перечисленных задач предварительно необходимо решить задачу определения периодов фенофаз для заданного сорта в данной зоне и микрозоне выращивания и задачу определения значений метеопараметров в заданной точке по их значениям в трех ближайших метеостанциях, что не является предметом данной работы. В третьей главе сделан вывод о том, что предложенный подход позволяет успешно решить поставленные задачи и достичь цели работы.

В разделе 4: "Эффективность применения полученного решения, его ограничения и перспективы развития" кратко описаны возможности применения предложенной технологии в проектных и производственных организациях, а также в образовательных учреждениях. Показаны ограничения разработанной технологии и перспективы ее развития. Сделан вывод об эффективности предложенной технологии и целесообразности ее применения и дальнейшего развития.

В выводах кратко перечислены полученные результаты, констатировано достижение цели работы, сформулирована научная новизна и практическая значимость проведенного исследования.

 

4.1. Постановка задачи и выбор метода ее решения

 

4.1.1. Актуальность, объект и предмет, цель и задачи исследования

Актуальность темы работы определяется возможностью применения ее результатов на практике в ряде организаций различных направлений деятельности: проектных; производственных; образовательных.

В проектных организациях методы надежного прогнозирования количественных и качественных результатов выращивания яблок могли бы стать основой для принятия ряда ответственных решений, связанных с проектированием новых садов.

С этим связано решение двух задач:

1. Решение о размещении сада (обоснованный выбор зоны и подзоны выращивания конкретных сортов и культур).

2. Выбор сортов для выращивания (обоснованный выбор сортов и культур для выращивания в конкретной зоне и подзоне).

В настоящее время эти решения принимаются по данным эмпирических испытаний в отдельных точках, чаще всего привязанных к крупным плодовым хозяйствам без возможности проводить испытание всего набора культур и без учета и анализа адаптивного и природно-ресурсного потенциала конкретного пункта выращивания. Подобный подход приводит к тому, что культуры выращиваются не там, где для этого есть природные условия, а там, где имеется необходимая инфраструктура (населенные пункты). В результате, например, ни один сортоучасток в Краснодарском крае не дает урожай абрикосов больше 4-х раз в 10 лет. Аналогично обстоит дело и с выбором культур для выращивания на полях, а также с выбором агротехнологий для их выращивания.

В производственных организациях методы надежного прогнозирования количественных и качественных результатов выращивания яблок могли бы стать основой для принятия ряда ответственных решений, связанных с заблаговременным выбором способа использования произведенной продукции (продажа, хранение, переработка), и, этим самым, созданием благоприятных условий для осуществления выбранного способа:

– определением цен и оформление партнерских отношений по фьючерсным и лизинговым сделкам;

– подготовкой материально-технической базы хранения и переработки.

В учебном процессе методы надежного прогнозирования количественных и качественных результатов выращивания яблок могут быть использованы для разработки полноценной лабораторной работы по дисциплине: "Интеллектуальные информационные системы", изучаемой на 5-м курсе специальности 351400 – Прикладная информатика.

Актуальность данной работы определяется также ее научной новизной. В настоящее время подобные исследования и разработки проводились под руководством заслуженного деятеля науки РФ, доктора сельскохозяйственных наук профессора И.А.Драгавцевой по косточковым плодовым культурам: персик и абрикос [6], и по семечковым, в частности яблокам, насколько известно по литературным данным, подобная работа проводится впервые.

Таким образом, объектом исследования является изучение влияния факторов различной природы на количественные и качественные результаты выращивания сельхозкультур.

Предмет исследования состоит в изучении влияния климатических факторов на урожайность и качество яблок пяти сортов: "Джонатан", "Ред Делишес", "Ренет Симеренко", "Ренет Шампанское", "Старкрымсон".

Цель исследования: выявление причинно-следственных зависимостей между климатическими факторами с одной стороны, и урожайностью и качеством различных сортов яблок с другой стороны, и, на основе этого, разработка соответствующей методики прогнозирования.

Цель достигается путем поэтапного решения следующих задач:

1. Когнитивная структуризация предметной области и формальная постановка задачи, проектирование структуры и состава исходных данных.

2. Получение исходных данных запланированного состава в той форме, в которой они накапливаются в поставляющей их организации (журналы).

3. Разработка электронной формы для представления исходных данных.

4. Преобразование исходных данных в электронную форму.

5. Контроль достоверности исходных данных и исправление ошибок.

6. Использование программного интерфейса для преобразования исходных данных из формы по датам в стандартную форму по фенофазам.

7. Использование программного интерфейса для преобразования исходных данных из стандартной формы по фенофазам в базы данных,  используемые в инструментарии системно-когнитивного анализа (СК-анализ) – когнитивной аналитической системе "Эйдос" (система "Эйдос").

8. Синтез семантической информационной модели (СИМ).

9. Оптимизация СИМ.

10. Измерение адекватности СИМ.

11. Решение задачи №1: "Прогнозирование результатов выращивания заданной культуры в заданной точке".

12. Решение задачи №2: "Поддержка принятия решений по рациональному выбору зон и микрозон выращивания данной культуры и сорта".

13. Решение задачи №3: "Поддержка принятия решений по рациональному выбору культур для выращивания в данной зоне и микрозоне".

14. Решение задачи №4: "Кластерно-конструктивный и системно-когнитивный анализ результатов выращивания и факторов".

15. Разработка принципов оценки экономической эффективности разработанных технологий при их применении:

– в проектных организациях;

– в производственных организациях;

– в образовательных учреждениях.

16. Исследование ограничений разработанной технологии и перспектив ее развития.

 

4.1.2. Источники исходных данных

Основой для выполнения данной работы являются данные, предоставленные ЗАО Агрофирмой "Сад – Гигант" (353565, Россия, Краснодарский края, г. Славянск-на-Кубани, ул. Школьная, 615), которая является крупнейшим хозяйством России и мира в своей отрасли (http://sadgigant.ru).

Свою историю агрофирма "Сад-Гигант" отсчитывает с 1929 года, и, на протяжении 70-ти лет, хозяйство крупнейшим производителем фруктов в стране (рисунок 31).

 

Рисунок 31. Агрофирма "Сад – Гигант", центральный офис

 

Более 15 лет возглавляет агрофирму "Сад-Гигант" Кладь Александр Анатольевич – известный ученый, профессор, доктор сельскохозяйственных наук в области садоводства, заслуженный работник сельского хозяйства России, прогрессивный руководитель, депутат краевого законодательного собрания.

Сегодня агрофирма - одно из ведущих хозяйств в России по производству плодовой продукции.

И можно с уверенностью сказать, что АФ "Сад- Гигант" крепко стоит на ногах, не пользуется заемными средствами, своевременно оплачивает налоги в бюджеты всех уровней, взносы во внебюджетные фонды и заработную плату своим работникам.

"Сад-Гигант" - это 3500 гектаров земельных угодий, из которых 2000 занято плодовыми насаждениями, где только плодоносящих яблонь около сорока сортов.

"Сад-Гигант" - это более 30 тысяч тонн свежих фруктов ежегодно.

На базе агрофирмы работает госсортоучасток, где ведется изучение и совершенствование сортимента плодовых культур. Здесь на площади 50 гектаров в конкурсном испытании заложено около 400 сортоопытов по пяти культурам: яблоня, груша, слива, алыча, черешня. Ежегодно коллекцию пополняет до 20 новых сортов и гибридов плодовых культур. На основе испытаний определяются перспективные сорта плодовых культур для промышленной основы в условиях нашего хозяйства. Так, за последний год, выделены по качеству, урожайности и рекомендованы следующие сорта: яблоня - "Алые паруса", "Флорина"; черешня - "Ярославна", "Роксалана", "Опус", "Эпос"; слива - "Блек Стар"; алыча - "Глобус".

Интенсивные технологии выращивания садов, новые перспективные сорта, хранение их в фруктохранилищах с регулируемой газовой атмосферой, товарная обработка плодов на голландской линии в фирменную гофротару - все это позволяет продукции агрофирмы в новых рыночных условиях быть конкурентоспособной.

В фирме организован и ведется систематический сбор и учет данных, необходимых для осуществления основной деятельности предприятия (плановых мероприятий по подкормке, обработке и уходу за культурами), а также для планирования и прогнозирования будущих результатов деятельности (качества и количества урожая).

Ответственными за этот учет являются:

– метеорологический центр;

– плановый отдел;

– лаборатория;

– отдел маркетинга.

Для выполнения данной работы использовались таблицы основных метеоданных за каждый день с 01.01.1993 по 31.12.2002 года, полученные в метеорологический центре, по следующим показателям:

– температуре воздуха;

– почвы;

– относительная и абсолютная влажность;

– осадки;

– атмосферное давление;

– облачность;

– скорость и азимут ветра;

– атмосферные явления.

Плановый отдел предоставил информацию по количеству и качеству выращенной продукции тон/гектар пяти сортов яблок за десять лет.

В лаборатории отобраны данные по времени начала и окончания фенологических фаз состояния и роста культур с момента набухания почки до завершения листопада.              

 

4.1.3. Характеристика исходных данных и обоснование требований к методу решения поставленных задач

 

Исходные данные представлены нами в форме Excel-таблицы, включающей показатели различных типов данных:

– "дата" – 27;

– "текст" – 1;

– "число" – 22;

– "список" – 1.

Эта таблица состоит из 51 столбца (показателя) и 18260 строк, т.е. имеет довольно большую размерность и имеет размер около 7 мегабайт.

Строки содержат суточные метеоданные, наблюдаемые при выращивании 5 сортов яблок в течение 10 лет.

4 числовых показателя содержат количественные и качественные результаты выращивания (урожайность всего и в разрезе по сортам качества) каждого из 5 сортов, что составляет 99 классов.

18 числовых и 1 списочный показатель содержат метеоданные и информацию о 18 типах метеоявлений по каждой фенотипической фазе развития растений, которых всего 13.

Соответственно, эти показатели при преобразовании даже в шкалы отношений образуют 559 шкал, что дает 2795 градаций уже при 5 интервалах, а при увеличении числа интервалов количество градаций еще больше возрастает.

Следовательно, используемый математический метод должен обеспечивать выявление причинно-следственных зависимостей между метеофакторами (причины), и количественными и качественными результатами выращивания (следствия) на основе совместной обработки разнотипных данных больших размерностей.

 

4.1.4. Традиционные методы решения

 

Традиционные статистические модели:

– имеют жесткие ограничения по количеству исследуемых факторов, как правило, не более 10, тогда как в исследуемой модели факторов 559 шкал суммарно с 2795 градациями;

– требуют информации о результатах действия всех сочетаний исследуемых факторов ("повторности") [27], что в исследуемой предметной области практически невыполнимо даже при нескольких факторах.

Необходимо особо подчеркнуть, что восполнить отсутствующие данные из опыта не представляется возможным, т.к. объект исследования принципиально не допускает повторение условий прошедших периодов с заданными сочетаниями факторов, которые не зависят от воли человека. Восполнение данных путем интерполяции также некорректно, т.к. в каждой строке и столбце корреляционной матрицы имеется более одного пропуска.

Кроме того, статистические модели очень сложно содержательно интерпретировать, для чего требуются большой труд квалифицированных аналитиков.

Таким образом, можно сделать вывод, что для моделирования такого сложного и малоисследованного объекта, каким является искусственная экосистема яблочного сада, применение традиционных математических моделей является проблематичным.

 

4.1.5. Выводы

 

Традиционные методы обработки имеющихся исходных данных не обеспечивают решение поставленных задач и необходимо использование нового подхода, обеспечивающего выявление причинно-следственных зависимостей между метеофакторами (причины), и количественными и качественными результатами выращивания (следствия) на основе совместной обработки разнотипных данных больших размерностей.

 

4.2. Когнитивная структуризация,
формальная постановка задачи и синтез модели

 

4.2.1. Обоснование выбора метода
и концепция решения задачи

По-видимому, решение поставленных задач может быть получено путем применения системно-когнитивного анализа (СК-анализ) [27], – нового перспективного математического метода системного анализа, основанного на теории информации, системном анализе и когнитивном моделировании.

Метод является непараметрическим, позволяет сопоставимо обрабатывать тысячи градаций факторов и будущих состояний объекта управления при неполных (фрагментированных), зашумленных данных различной природы.

Для метода СК-анализа разработаны и методика численных расчетов, и соответствующий программный инструментарий, а также технология и методика их применения. Они прошли успешную апробацию при решении ряда задач в различных предметных областях [27].

Наличие инструментария СК-анализа позволяет не только осуществить синтез СИМ, но и периодически поводить адаптацию и синтез новых версий семантической информационной модели, обеспечивая тем самым отслеживание динамики предметной области и сохраняя высокую адекватность модели в изменяющихся условиях.

В работах [27, 35, 36] приведен перечень этапов системно-когнитивного анализа, которые необходимо выполнить, чтобы осуществить синтез модели и исследование модели объекта управления:

1. Когнитивная структуризация, а затем и формализация предметной области.

2. Ввод данных мониторинга в базу прецедентов за период, в течение которого имеется необходимая информация в электронной форме.

3. Синтез семантической информационной модели (СИМ).

4. Оптимизация СИМ.

5. Проверка адекватности СИМ (измерение внутренней и внешней, дифференциальной и интегральной валидности).

6. Анализ СИМ.

7. Решение задач идентификации состояний объекта управления, прогнозирование и поддержка принятия управленческих решений по управлению с применением СИМ.

В СК-анализе нечисловым величинам тем же методом, что и числовым, приписываются сопоставимые в пространстве и времени, а также между собой, количественные значения, позволяющие обрабатывать их как числовые:

– на первых двух этапах СК-анализа числовые величины сводятся к интервальным оценкам, как и информация об объектах нечисловой природы (фактах, событиях) (этот этап реализуется и в методах интервальной статистики);

– на третьем этапе СК-анализа всем этим величинам по единой методике, основанной на системном обобщении семантической теории информации А.Харкевича, сопоставляются количественные величины, с которыми в дальнейшем и производятся все операции моделирования (этот этап является уникальным для СК-анализа).

 

4.2.2. Когнитивная структуризация предметной области,
формальная постановка задачи
и формирование обучающей выборки

Рассмотрим подробнее пути реализации первого этапа СК-анализа. На этом этапе:

– конкретно определяются факторы и будущие состояния объекта управления;

– измеряется область изменения числовых значений факторов и интервалы (диапазоны), а также макропараметров, определяющих состояния объекта управления;

– конструируются классификационные и описательные шкалы и градации и их кодирование;

– исходные данные кодируются в системе классификационных и описательных шкал и градаций, и формируется обучающая выборка (база прецедентов, содержащая в формализованный опыт управления перерабатывающим комплексом региона за ряд лет).

 

4.2.2.1. Когнитивная структуризация предметной области и формальная постановка задачи, проектирование структуры и состава исходных данных

 

4.2.2.1.1. Когнитивная структуризация предметной области

 

Под когнитивной структуризацией понимается определение будущих состояний системы, т.е. ее желательных (целевых) и нежелательных будущих состояний, а также системы факторов, детерминирующих эти будущие состояния.

В общем случае, как факторы могут рассматриваться и факторы окружающей среды, и технологические факторы, и параметры объекта исследования на низких уровнях ее иерархической структурно-функциональной организации. В данном исследовании как факторы рассматриваются климатические факторы и явления.

Предлагаем для исследования в модели следующие состояния объекта исследования (классы) (таблица 18) и детерминирующие их факторы (признаки) (таблица 19).

 

 

Таблица 18 – КЛАССИФИКАЦИОННЫЕ ШКАЛЫ И ГРАДАЦИИ (КЛАССЫ) (ФРАГМЕНТ)

Наименование

Наименование

1

Джонатан (всего)

11

Джонатан (2-й сорт)

2

Ред Делишес (всего)

12

Ред Делишес (2-й сорт)

3

Ренет Симеренко (всего)

13

Ренет Симеренко (2-й сорт)

4

Ренет Шампанское (всего)

14

Ренет Шампанское (2-й сорт)

5

Старкрымсон (всего)

15

Старкрымсон (2-й сорт)

6

Джонатан (1-й сорт)

16

Джонатан (3-й сорт)

7

Ред Делишес (1-й сорт)

17

Ред Делишес (3-й сорт)

8

Ренет Симеренко (1-й сорт)

18

Ренет Симеренко (3-й сорт)

9

Ренет Шампанское (1-й сорт)

19

Ренет Шампанское (3-й сорт)

10

Старкрымсон (1-й сорт)

20

Старкрымсон (3-й сорт)

 

Имеется в виду урожайность с 1га по всем сортам яблок "всего" и "в том числе" по трем сортам качества.

 

 

 

 

Таблица 19 – ОПИСАТЕЛЬНЫЕ ШКАЛЫ (ФАКТОРЫ) (ФРАГМЕНТ)

Условное

наименование

Условное

наименование

Условное

наименование

Условное

наименование

1

01TVOZDSR

44

02TVOZDSR

87

03TVOZDSR

130

04TVOZDSR

2

01TVOZDMAX

45

02TVOZDMAX

88

03TVOZDMAX

131

04TVOZDMAX

3

01TVOZDMIN

46

02TVOZDMIN

89

03TVOZDMIN

132

04TVOZDMIN

4

01TPOCHSR

47

02TPOCHSR

90

03TPOCHSR

133

04TPOCHSR

5

01TPOCHMAX

48

02TPOCHMAX

91

03TPOCHMAX

134

04TPOCHMAX

6

01TPOCHMIN

49

02TPOCHMIN

92

03TPOCHMIN

135

04TPOCHMIN

7

01VLOTNSR

50

02VLOTNSR

93

03VLOTNSR

136

04VLOTNSR

8

01VLOTNMIN

51

02VLOTNMIN

94

03VLOTNMIN

137

04VLOTNMIN

9

01VLABS

52

02VLABS

95

03VLABS

138

04VLABS

10

01OSAD_DAY

53

02OSAD_DAY

96

03OSAD_DAY

139

04OSAD_DAY

11

01OSAD_NIG

54

02OSAD_NIG

97

03OSAD_NIG

140

04OSAD_NIG

12

01OSAD_SUT

55

02OSAD_SUT

98

03OSAD_SUT

141

04OSAD_SUT

13

01DAVL_STA

56

02DAVL_STA

99

03DAVL_STA

142

04DAVL_STA

14

01DAVL_SEA

57

02DAVL_SEA

100

03DAVL_SEA

143

04DAVL_SEA

15

01OBL_VSEG

58

02OBL_VSEG

101

03OBL_VSEG

144

04OBL_VSEG

16

01OBL_DOWN

59

02OBL_DOWN

102

03OBL_DOWN

145

04OBL_DOWN

17

01VETER_AZ

60

02VETER_AZ

103

03VETER_AZ

146

04VETER_AZ

18

01VETER_SK

61

02VETER_SK

104

03VETER_SK

147

04VETER_SK

19

01ATM_00

62

02ATM_00

105

03ATM_00

148

04ATM_00

20

01ATM_01

63

02ATM_01

106

03ATM_01

149

04ATM_01

21

01ATM_02

64

02ATM_02

107

03ATM_02

150

04ATM_02

22

01ATM_03

65

02ATM_03

108

03ATM_03

151

04ATM_03

23

01ATM_04

66

02ATM_04

109

03ATM_04

152

04ATM_04

24

01ATM_05

67

02ATM_05

110

03ATM_05

153

04ATM_05

25

01ATM_06

68

02ATM_06

111

03ATM_06

154

04ATM_06

26

01ATM_07

69

02ATM_07

112

03ATM_07

155

04ATM_07

27

01ATM_08

70

02ATM_08

113

03ATM_08

156

04ATM_08

28

01ATM_09

71

02ATM_09

114

03ATM_09

157

04ATM_09

29

01ATM_10

72

02ATM_10

115

03ATM_10

158

04ATM_10

30

01ATM_11

73

02ATM_11

116

03ATM_11

159

04ATM_11

31

01ATM_12

74

02ATM_12

117

03ATM_12

160

04ATM_12

32

01ATM_13

75

02ATM_13

118

03ATM_13

161

04ATM_13

33

01ATM_14

76

02ATM_14

119

03ATM_14

162

04ATM_14

34

01ATM_15

77

02ATM_15

120

03ATM_15

163

04ATM_15

35

01ATM_16

78

02ATM_16

121

03ATM_16

164

04ATM_16

36

01ATM_17

79

02ATM_17

122

03ATM_17

165

04ATM_17

37

01ATM_18

80

02ATM_18

123

03ATM_18

166

04ATM_18

38

01ATM_19

81

02ATM_19

124

03ATM_19

167

04ATM_19

39

01ATM_20

82

02ATM_20

125

03ATM_20

168

04ATM_20

40

01ATM_21

83

02ATM_21

126

03ATM_21

169

04ATM_21

41

01ATM_22

84

02ATM_22

127

03ATM_22

170

04ATM_22

42

01ATM_23

85

02ATM_23

128

03ATM_23

171

04ATM_23

43

01ATM_24

86

02ATM_24

129

03ATM_24

172

04ATM_24

 

В таблице 19 приведены наименования 172-х шкал для 4-х фаз. Аналогичны наименования  и остальных шкал для всех 13 фаз (всего 559 шкал), приведенные в таблице 20.

 

Таблица 20 – РАСШИФРОВКА УСЛОВНЫХ НАИМЕНОВАНИЙ

Условное

наименование

Расшифровка

1

01TVOZDSR

Температура воздуха средняя (°С)

2

01TVOZDMAX

Температура воздуха максимальная (°С)

3

01TVOZDMIN

Температура воздуха минимальная (°С)

4

01TPOCHSR

Температура почвы средняя (°С)

5

01TPOCHMAX

Температура почвы максимальная (°С)

6

01TPOCHMIN

Температура почвы минимальная (°С)

7

01VLOTNSR

Влажность относительная средняя

8

01VLOTNMIN

Влажность относительная минимальная

9

01VLABS

Влажность абсолютная

10

01OSAD_DAY

Количество осадков днем

11

01OSAD_NIG

Количество осадков за ночь

12

01OSAD_SUT

Количество осадков за сутки

13

01DAVL_STA

Атмосферное давление на уровне метеостанции

14

01DAVL_SEA

Атмосферное давление на уровне моря

15

01OBL_VSEG

Облачность всего

16

01OBL_DOWN

Облачность низкая

17

01VETER_AZ

Ветер азимут (способ кодирования в таблица 8)

18

01VETER_SK

Ветер скорость

19

01ATM_00

Штиль

20

01ATM_01

Дождь

21

01ATM_02

Ливневый дождь

22

01ATM_03

Морось

23

01ATM_04

Снег

24

01ATM_05

Ливневый снег

25

01ATM_06

Снежная крупа

26

01ATM_07

Снежные зерна

27

01ATM_08

Ледяная крупа

28

01ATM_09

Ледяной дождь

29

01ATM_10

Град

30

01ATM_11

Мокрый снег

31

01ATM_12

Ливневый мокрый снег

32

01ATM_13

Роса

33

01ATM_14

Иней

34

01ATM_15

Гололед

35

01ATM_16

Зернистая изморось

36

01ATM_17

Кристаллическая изморось

37

01ATM_18

Гололедица

38

01ATM_19

Туман

39

01ATM_20

Просвечивающийся туман

40

01ATM_21

Дымка

41

01ATM_22

Гроза

42

01ATM_23

Зарница

42

01ATM_24

Шквал

Двузначный номер в начале условного наименования в таблицах 19, 20 и далее означает номер фазы и изменяется от 1 до 13.

В таблице 50 приведен способ кодирования азимута ветра.

 

Таблица 21 – СПОСОБ КОДИРОВАНИЯ
АЗИМУТА ВЕТРА

Код

Расшифровка

0

Северный

45

Северо-западный

90

Западный

135

Юго-западный

180

Южный

225

Юго-восточный

270

Восточный.

315

Северо-восточный

 

4.2.2.1.2. Формализация предметной области

Формализация предметной области осуществляется на основе ее когнитивной структуризации, проведенной в предыдущем разделе.

Формализация предметной области – это конструирование классификационных (таблица 18) и описательных шкал и градаций (таблицы 19 и 20), как правило, порядкового типа с использованием интервальных оценок, в системе которых предметная область описывается в форме, пригодной для обработки на компьютере с использованием математических моделей [27].

В соответствии с методом СК-анализа каждый числовой фактор, независимо от его смысла и единиц измерения, рассматривается как переменная числовая величина, принимающая определенное множество значений. Подобные величины формализуются путем сведения к интервальным значениям, т.е. путем введения некоторого количества диапазонов, охватывающих все множество значений фактора, и установления фактов попадания конкретного значения величины в определенный диапазон.

Для каждого фактора устанавливаются свои границы диапазонов, исходя из их количества и множества значений величины фактора.

Количество диапазонов может быть различным для разных факторов, но на практике удобнее выбирать их одинаковым. Каковы же соображения, из которых исходят при выборе количества диапазонов? Чем больше диапазонов, тем точнее интервальные оценки. Однако это так только тогда, когда, по крайней мере, для большинства диапазонов наблюдаются факты попадания значений факторов в них. Очевидно, для этого необходимо достаточно большое количество данных. Если же их нет, то многие диапазоны могут оказаться пустыми и модель приближается к детерминистскому типу. Тогда имеет смысл уменьшить их количество и тем самым укрупнить их.

Из этих рассуждений следует вывод о том, что при большом количестве данных оправданно увеличивать количество диапазонов и имеется возможность повысить точность исследования. Когда же данных недостаточно, приходится укрупнять диапазоны, что приводит к некоторой потере точности выводов, но делает их более обоснованными статистически. По-видимому, это утверждение можно считать одной из форм теоремы Котельникова об отсчетах.

СК-анализ предусматривает также возможность использования вторичных показателей, являющихся различными функциями первичных показателей. Но этот подход требует данных большего объема и за больший период времени и, поэтому, в данном исследовании применяться не будет.

Основываясь на этих соображениях нами, прежде всего, было определено количество диапазонов, количество которых было выбрано равным 5.

Затем были определены границы каждого диапазона. Для этого:

– для каждого фактора были определены минимальное и максимальное значения;

– весь интервал значений был разделен на пять равных частей (это означает, что фактически используется не порядковая шкала, как это выглядит на первый взгляд, а шкала отношений).

Исходя из этого были сконстурированы классифкационные и описательные шкалы и градации (таблицы 22 – 24).

 

 

 

 

 

 

Таблица 22 – КЛАССИФИКАЦИОННЫЕ ШКАЛЫ
И ГРАДАЦИИ (КЛАССЫ)

Код

Наименование

Код

Наименование

1

Джонатан (всего)    - урожай: 10.00

51

Ред Делишес (1-й сорт) - урожай: 18.00

2

Джонатан (всего)    - урожай: 11.00

52

Ред Делишес (1-й сорт) - урожай: 23.00

3

Джонатан (всего)    - урожай: 12.00

53

Ред Делишес (1-й сорт) - урожай: 25.00

4

Джонатан (всего)    - урожай: 13.00

54

Ред Делишес (1-й сорт) - урожай: 9.00

5

Джонатан (всего)    - урожай: 14.00

55

Ренет Симеренко (1-й сорт) - урожай: 11.00

6

Джонатан (всего)    - урожай: 15.00

56

Ренет Симеренко (1-й сорт) - урожай: 14.00

7

Джонатан (всего)    - урожай: 5.00

57

Ренет Симеренко (1-й сорт) - урожай: 15.00

8

Ред Делишес (всего)    - урожай: 10.00

58

Ренет Симеренко (1-й сорт) - урожай: 18.00

9

Ред Делишес (всего)    - урожай: 14.00

59

Ренет Симеренко (1-й сорт) - урожай: 19.00

10

Ред Делишес (всего)    - урожай: 15.00

60

Ренет Симеренко (1-й сорт) - урожай: 26.00

11

Ред Делишес (всего)    - урожай: 16.00

61

Ренет Симеренко (1-й сорт) - урожай: 3.00

12

Ред Делишес (всего)    - урожай: 18.00

62

Ренет Шампанское (1-й сорт) - урожай: 13.00

13

Ред Делишес (всего)    - урожай: 19.00

63

Ренет Шампанское (1-й сорт) - урожай: 15.00

14

Ред Делишес (всего)    - урожай: 24.00

64

Ренет Шампанское (1-й сорт) - урожай: 16.00

15

Ред Делишес (всего)    - урожай: 27.00

65

Ренет Шампанское (1-й сорт) - урожай: 19.00

16

Ренет Симеренко (всего)    - урожай: 12.00

66

Ренет Шампанское (1-й сорт) - урожай: 20.00

17

Ренет Симеренко (всего)    - урожай: 15.00

67

Ренет Шампанское (1-й сорт) - урожай: 24.00

18

Ренет Симеренко (всего)    - урожай: 16.00

68

Ренет Шампанское (1-й сорт) - урожай: 8.00

19

Ренет Симеренко (всего)    - урожай: 17.00

69

Старкрымсон (1-й сорт) - урожай: 11.00

20

Ренет Симеренко (всего)    - урожай: 20.00

70

Старкрымсон (1-й сорт) - урожай: 13.00

21

Ренет Симеренко (всего)    - урожай: 22.00

71

Старкрымсон (1-й сорт) - урожай: 14.00

22

Ренет Симеренко (всего)    - урожай: 28.00

72

Старкрымсон (1-й сорт) - урожай: 17.00

23

Ренет Симеренко (всего)    - урожай: 3.00

73

Старкрымсон (1-й сорт) - урожай: 7.00

24

Ренет Симеренко (всего)    - урожай: 4.00

74

Старкрымсон (1-й сорт) - урожай: 8.00

25

Ренет Шампанское (всего)    - урожай: 10.00

75

Джонатан (2-й сорт) - урожай: 0.00

26

Ренет Шампанское (всего)    - урожай: 14.00

76

Джонатан (2-й сорт) - урожай: 1.00

27

Ренет Шампанское (всего)    - урожай: 15.00

77

Джонатан (2-й сорт) - урожай: 15.00

28

Ренет Шампанское (всего)    - урожай: 17.00

78

Джонатан (2-й сорт) - урожай: 2.00

29

Ренет Шампанское (всего)    - урожай: 21.00

79

Ред Делишес (2-й сорт) - урожай: 1.00

30

Ренет Шампанское (всего)    - урожай: 22.00

80

Ред Делишес (2-й сорт) - урожай: 2.00

31

Ренет Шампанское (всего)    - урожай: 23.00

81

Ренет Симеренко (2-й сорт) - урожай: 0.00

32

Ренет Шампанское (всего)    - урожай: 25.00

82

Ренет Симеренко (2-й сорт) - урожай: 1.00

33

Ренет Шампанское (всего)    - урожай: 27.00

83

Ренет Симеренко (2-й сорт) - урожай: 2.00

34

Старкрымсон (всего)    - урожай: 10.00

84

Ренет Шампанское (2-й сорт) - урожай: 1.00

35

Старкрымсон (всего)    - урожай: 12.00

85

Ренет Шампанское (2-й сорт) - урожай: 2.00

36

Старкрымсон (всего)    - урожай: 15.00

86

Ренет Шампанское (2-й сорт) - урожай: 3.00

37

Старкрымсон (всего)    - урожай: 16.00

87

Старкрымсон (2-й сорт) - урожай: 1.00

38

Старкрымсон (всего)    - урожай: 18.00

88

Старкрымсон (2-й сорт) - урожай: 2.00

39

Старкрымсон (всего)    - урожай: 20.00

89

Старкрымсон (2-й сорт) - урожай: 3.00

40

Старкрымсон (всего)    - урожай: 9.00

90

Джонатан (3-й сорт) - урожай: 0.00

41

Джонатан (1-й сорт) - урожай: 12.00

91

Джонатан (3-й сорт) - урожай: 1.00

42

Джонатан (1-й сорт) - урожай: 13.00

92

Ред Делишес (3-й сорт) - урожай: 0.00

43

Джонатан (1-й сорт) - урожай: 14.00

93

Ред Делишес (3-й сорт) - урожай: 1.00

44

Джонатан (1-й сорт) - урожай: 3.00

94

Ренет Симеренко (3-й сорт) - урожай: 0.00

45

Джонатан (1-й сорт) - урожай: 7.00

95

Ренет Симеренко (3-й сорт) - урожай: 1.00

46

Джонатан (1-й сорт) - урожай: 9.00

96

Ренет Шампанское (3-й сорт) - урожай: 0.00

47

Ред Делишес (1-й сорт) - урожай: 13.00

97

Ренет Шампанское (3-й сорт) - урожай: 1.00

48

Ред Делишес (1-й сорт) - урожай: 14.00

98

Старкрымсон (3-й сорт) - урожай: 0.00

49

Ред Делишес (1-й сорт) - урожай: 15.00

99

Старкрымсон (3-й сорт) - урожай: 1.00

50

Ред Делишес (1-й сорт) - урожай: 17.00

 

 

 

 

 

 

 

Таблица 23 – ОПИСАТЕЛЬНЫЕ ШКАЛЫ И КОДЫ ГРАДАЦИЙ (ЗНАЧЕНИЯ ФАКТОРОВ) (ФРАГМЕНТ)

Код

Условное

наименование

1

2

3

4

5

Код

Условное

наименование

1

2

3

4

5

1

01TVOZDSR

1

2

3

4

5

44

02TVOZDSR

216

217

218

219

220

2

01TVOZDMAX

6

7

8

9

10

45

02TVOZDMAX

221

222

223

224

225

3

01TVOZDMIN

11

12

13

14

15

46

02TVOZDMIN

226

227

228

229

230

4

01TPOCHSR

16

17

18

19

20

47

02TPOCHSR

231

232

233

234

235

5

01TPOCHMAX

21

22

23

24

25

48

02TPOCHMAX

236

237

238

239

240

6

01TPOCHMIN

26

27

28

29

30

49

02TPOCHMIN

241

242

243

244

245

7

01VLOTNSR

31

32

33

34

35

50

02VLOTNSR

246

247

248

249

250

8

01VLOTNMIN

36

37

38

39

40

51

02VLOTNMIN

251

252

253

254

255

9

01VLABS

41

42

43

44

45

52

02VLABS

256

257

258

259

260

10

01OSAD_DAY

46

47

48

49

50

53

02OSAD_DAY

261

262

263

264

265

11

01OSAD_NIG

51

52

53

54

55

54

02OSAD_NIG

266

267

268

269

270

12

01OSAD_SUT

56

57

58

59

60

55

02OSAD_SUT

271

272

273

274

275

13

01DAVL_STA

61

62

63

64

65

56

02DAVL_STA

276

277

278

279

280

14

01DAVL_SEA

66

67

68

69

70

57

02DAVL_SEA

281

282

283

284

285

15

01OBL_VSEG

71

72

73

74

75

58

02OBL_VSEG

286

287

288

289

290

16

01OBL_DOWN

76

77

78

79

80

59

02OBL_DOWN

291

292

293

294

295

17

01VETER_AZ

81

82

83

84

85

60

02VETER_AZ

296

297

298

299

300

18

01VETER_SK

86

87

88

89

90

61

02VETER_SK

301

302

303

304

305

19

01ATM_00

91

92

93

94

95

62

02ATM_00

306

307

308

309

310

20

01ATM_01

96

97

98

99

100

63

02ATM_01

311

312

313

314

315

21

01ATM_02

101

102

103

104

105

64

02ATM_02

316

317

318

319

320

22

01ATM_03

106

107

108

109

110

65

02ATM_03

321

322

323

324

325

23

01ATM_04

111

112

113

114

115

66

02ATM_04

326

327

328

329

330

24

01ATM_05

116

117

118

119

120

67

02ATM_05

331

332

333

334

335

25

01ATM_06

121

122

123

124

125

68

02ATM_06

336

337

338

339

340

26

01ATM_07

126

127

128

129

130

69

02ATM_07

341

342

343

344

345

27

01ATM_08

131

132

133

134

135

70

02ATM_08

346

347

348

349

350

28

01ATM_09

136

137

138

139

140

71

02ATM_09

351

352

353

354

355

29

01ATM_10

141

142

143

144

145

72

02ATM_10

356

357

358

359

360

30

01ATM_11

146

147

148

149

150

73

02ATM_11

361

362

363

364

365

31

01ATM_12

151

152

153

154

155

74

02ATM_12

366

367

368

369

370

32

01ATM_13

156

157

158

159

160

75

02ATM_13

371

372

373

374

375

33

01ATM_14

161

162

163

164

165

76

02ATM_14

376

377

378

379

380

34

01ATM_15

166

167

168

169

170

77

02ATM_15

381

382

383

384

385

35

01ATM_16

171

172

173

174

175

78

02ATM_16

386

387

388

389

390

36

01ATM_17

176

177

178

179

180

79

02ATM_17

391

392

393

394

395

37

01ATM_18

181

182

183

184

185

80

02ATM_18

396

397

398

399

400

38

01ATM_19

186

187

188

189

190

81

02ATM_19

401

402

403

404

405

39

01ATM_20

191

192

193

194

195

82

02ATM_20

406

407

408

409

410

40

01ATM_21

196

197

198

199

200

83

02ATM_21

411

412

413

414

415

41

01ATM_22

201

202

203

204

205

84

02ATM_22

416

417

418

419

420

42

01ATM_23

206

207

208

209

210

85

02ATM_23

421

422

423

424

425

43

01ATM_24

211

212

213

214

215

86

02ATM_24

426

427

428

429

430

 

Таблица 24 – РАСШИФРОВКА НАИМЕНОВАНИЙ ГРАДАЦИЙ ОПИСАТЕЛЬНЫХ ШКАЛ (ФРАГМЕНТ)

Код

Условное наименование

градации

Код
шкалы

Код

Условное наименование

градации

Код
шкалы

1

01TVOZDSR: {-1.520, 1.902}

1

109

01ATM_03: {0.600, 0.800}

22

2

01TVOZDSR: {1.902, 5.324}

1

110

01ATM_03: {0.800, 1.000}

22

3

01TVOZDSR: {5.324, 8.746}

1

111

01ATM_04: {0.000, 0.400}

23

4

01TVOZDSR: {8.746, 12.168}

1

112

01ATM_04: {0.400, 0.800}

23

5

01TVOZDSR: {12.168, 15.590}

1

113

01ATM_04: {0.800, 1.200}

23

6

01TVOZDMAX: {7.200, 11.240}

2

114

01ATM_04: {1.200, 1.600}

23

7

01TVOZDMAX: {11.240, 15.280}

2

115

01ATM_04: {1.600, 2.000}

23

8

01TVOZDMAX: {15.280, 19.320}

2

116

01ATM_05: {0.000, 0.200}

24

9

01TVOZDMAX: {19.320, 23.360}

2

117

01ATM_05: {0.200, 0.400}

24

10

01TVOZDMAX: {23.360, 27.400}

2

118

01ATM_05: {0.400, 0.600}

24

11

01TVOZDMIN: {-10.000, -7.080}

3

119

01ATM_05: {0.600, 0.800}

24

12

01TVOZDMIN: {-7.080, -4.160}

3

120

01ATM_05: {0.800, 1.000}

24

13

01TVOZDMIN: {-4.160, -1.240}

3

121

01ATM_06: {0.000, 0.000}

25

14

01TVOZDMIN: {-1.240, 1.680}

3

122

01ATM_06: {0.000, 0.000}

25

15

01TVOZDMIN: {1.680, 4.600}

3

123

01ATM_06: {0.000, 0.000}

25

16

01TPOCHSR: {-1.630, 2.268}

4

124

01ATM_06: {0.000, 0.000}

25

17

01TPOCHSR: {2.268, 6.166}

4

125

01ATM_06: {0.000, 0.000}

25

18

01TPOCHSR: {6.166, 10.064}

4

126

01ATM_07: {0.000, 0.200}

26

19

01TPOCHSR: {10.064, 13.962}

4

127

01ATM_07: {0.200, 0.400}

26

20

01TPOCHSR: {13.962, 17.860}

4

128

01ATM_07: {0.400, 0.600}

26

21

01TPOCHMAX: {17.100, 22.320}

5

129

01ATM_07: {0.600, 0.800}

26

22

01TPOCHMAX: {22.320, 27.540}

5

130

01ATM_07: {0.800, 1.000}

26

23

01TPOCHMAX: {27.540, 32.760}

5

131

01ATM_08: {0.000, 0.000}

27

24

01TPOCHMAX: {32.760, 37.980}

5

132

01ATM_08: {0.000, 0.000}

27

25

01TPOCHMAX: {37.980, 43.200}

5

133

01ATM_08: {0.000, 0.000}

27

26

01TPOCHMIN: {-11.000, -8.600}

6

134

01ATM_08: {0.000, 0.000}

27

27

01TPOCHMIN: {-8.600, -6.200}

6

135

01ATM_08: {0.000, 0.000}

27

28

01TPOCHMIN: {-6.200, -3.800}

6

136

01ATM_09: {0.000, 0.000}

28

29

01TPOCHMIN: {-3.800, -1.400}

6

137

01ATM_09: {0.000, 0.000}

28

30

01TPOCHMIN: {-1.400, 1.000}

6

138

01ATM_09: {0.000, 0.000}

28

31

01VLOTNSR: {51.710, 58.550}

7

139

01ATM_09: {0.000, 0.000}

28

32

01VLOTNSR: {58.550, 65.390}

7

140

01ATM_09: {0.000, 0.000}

28

33

01VLOTNSR: {65.390, 72.230}

7

141

01ATM_10: {0.000, 0.000}

29

34

01VLOTNSR: {72.230, 79.070}

7

142

01ATM_10: {0.000, 0.000}

29

35

01VLOTNSR: {79.070, 85.910}

7

143

01ATM_10: {0.000, 0.000}

29

36

01VLOTNMIN: {17.000, 26.400}

8

144

01ATM_10: {0.000, 0.000}

29

37

01VLOTNMIN: {26.400, 35.800}

8

145

01ATM_10: {0.000, 0.000}

29

38

01VLOTNMIN: {35.800, 45.200}

8

146

01ATM_11: {0.000, 0.200}

30

39

01VLOTNMIN: {45.200, 54.600}

8

147

01ATM_11: {0.200, 0.400}

30

40

01VLOTNMIN: {54.600, 64.000}

8

148

01ATM_11: {0.400, 0.600}

30

41

01VLABS: {4.120, 5.208}

9

149

01ATM_11: {0.600, 0.800}

30

42

01VLABS: {5.208, 6.296}

9

150

01ATM_11: {0.800, 1.000}

30

43

01VLABS: {6.296, 7.384}

9

151

01ATM_12: {0.000, 0.200}

31

44

01VLABS: {7.384, 8.472}

9

152

01ATM_12: {0.200, 0.400}

31

45

01VLABS: {8.472, 9.560}

9

153

01ATM_12: {0.400, 0.600}

31

46

01OSAD_DAY: {0.000, 0.986}

10

154

01ATM_12: {0.600, 0.800}

31

47

01OSAD_DAY: {0.986, 1.972}

10

155

01ATM_12: {0.800, 1.000}

31

48

01OSAD_DAY: {1.972, 2.958}

10

156

01ATM_13: {0.000, 1.600}

32

49

01OSAD_DAY: {2.958, 3.944}

10

157

01ATM_13: {1.600, 3.200}

32

50

01OSAD_DAY: {3.944, 4.930}

10

158

01ATM_13: {3.200, 4.800}

32

51

01OSAD_NIG: {0.000, 0.426}

11

159

01ATM_13: {4.800, 6.400}

32

52

01OSAD_NIG: {0.426, 0.852}

11

160

01ATM_13: {6.400, 8.000}

32

53

01OSAD_NIG: {0.852, 1.278}

11

161

01ATM_14: {0.000, 1.200}

33

54

01OSAD_NIG: {1.278, 1.704}

11

162

01ATM_14: {1.200, 2.400}

33

55

01OSAD_NIG: {1.704, 2.130}

11

163

01ATM_14: {2.400, 3.600}

33

56

01OSAD_SUT: {0.000, 1.384}

12

164

01ATM_14: {3.600, 4.800}

33

57

01OSAD_SUT: {1.384, 2.768}

12

165

01ATM_14: {4.800, 6.000}

33

Код

Условное наименование

градации

Код
шкалы

Код

Условное наименование

градации

Код
шкалы

58

01OSAD_SUT: {2.768, 4.152}

12

166

01ATM_15: {0.000, 0.000}

34

59

01OSAD_SUT: {4.152, 5.536}

12

167

01ATM_15: {0.000, 0.000}

34

60

01OSAD_SUT: {5.536, 6.920}

12

168

01ATM_15: {0.000, 0.000}

34

61

01DAVL_STA: {1002.720, 1007.152}

13

169

01ATM_15: {0.000, 0.000}

34

62

01DAVL_STA: {1007.152, 1011.584}

13

170

01ATM_15: {0.000, 0.000}

34

63

01DAVL_STA: {1011.584, 1016.016}

13

171

01ATM_16: {0.000, 0.000}

35

64

01DAVL_STA: {1016.016, 1020.448}

13

172

01ATM_16: {0.000, 0.000}

35

65

01DAVL_STA: {1020.448, 1024.880}

13

173

01ATM_16: {0.000, 0.000}

35

66

01DAVL_SEA: {1003.820, 1008.262}

14

174

01ATM_16: {0.000, 0.000}

35

67

01DAVL_SEA: {1008.262, 1012.704}

14

175

01ATM_16: {0.000, 0.000}

35

68

01DAVL_SEA: {1012.704, 1017.146}

14

176

01ATM_17: {0.000, 0.000}

36

69

01DAVL_SEA: {1017.146, 1021.588}

14

177

01ATM_17: {0.000, 0.000}

36

70

01DAVL_SEA: {1021.588, 1026.030}

14

178

01ATM_17: {0.000, 0.000}

36

71

01OBL_VSEG: {3.170, 4.264}

15

179

01ATM_17: {0.000, 0.000}

36

72

01OBL_VSEG: {4.264, 5.358}

15

180

01ATM_17: {0.000, 0.000}

36

73

01OBL_VSEG: {5.358, 6.452}

15

181

01ATM_18: {0.000, 0.000}

37

74

01OBL_VSEG: {6.452, 7.546}

15

182

01ATM_18: {0.000, 0.000}

37

75

01OBL_VSEG: {7.546, 8.640}

15

183

01ATM_18: {0.000, 0.000}

37

76

01OBL_DOWN: {0.500, 1.760}

16

184

01ATM_18: {0.000, 0.000}

37

77

01OBL_DOWN: {1.760, 3.020}

16

185

01ATM_18: {0.000, 0.000}

37

78

01OBL_DOWN: {3.020, 4.280}

16

186

01ATM_19: {0.000, 0.000}

38

79

01OBL_DOWN: {4.280, 5.540}

16

187

01ATM_19: {0.000, 0.000}

38

80

01OBL_DOWN: {5.540, 6.800}

16

188

01ATM_19: {0.000, 0.000}

38

81

01VETER_AZ: {75.000, 114.000}

17

189

01ATM_19: {0.000, 0.000}

38

82

01VETER_AZ: {114.000, 153.000}

17

190

01ATM_19: {0.000, 0.000}

38

83

01VETER_AZ: {153.000, 192.000}

17

191

01ATM_20: {0.000, 0.000}

39

84

01VETER_AZ: {192.000, 231.000}

17

192

01ATM_20: {0.000, 0.000}

39

85

01VETER_AZ: {231.000, 270.000}

17

193

01ATM_20: {0.000, 0.000}

39

86

01VETER_SK: {2.500, 3.766}

18

194

01ATM_20: {0.000, 0.000}

39

87

01VETER_SK: {3.766, 5.032}

18

195

01ATM_20: {0.000, 0.000}

39

88

01VETER_SK: {5.032, 6.298}

18

196

01ATM_21: {0.000, 0.400}

40

89

01VETER_SK: {6.298, 7.564}

18

197

01ATM_21: {0.400, 0.800}

40

90

01VETER_SK: {7.564, 8.830}

18

198

01ATM_21: {0.800, 1.200}

40

91

01ATM_00: {0.500, 0.514}

19

199

01ATM_21: {1.200, 1.600}

40

92

01ATM_00: {0.514, 0.528}

19

200

01ATM_21: {1.600, 2.000}

40

93

01ATM_00: {0.528, 0.542}

19

201

01ATM_22: {0.000, 0.000}

41

94

01ATM_00: {0.542, 0.556}

19

202

01ATM_22: {0.000, 0.000}

41

95

01ATM_00: {0.556, 0.570}

19

203

01ATM_22: {0.000, 0.000}

41

96

01ATM_01: {0.000, 0.600}

20

204

01ATM_22: {0.000, 0.000}

41

97

01ATM_01: {0.600, 1.200}

20

205

01ATM_22: {0.000, 0.000}

41

98

01ATM_01: {1.200, 1.800}

20

206

01ATM_23: {0.000, 0.000}

42

99

01ATM_01: {1.800, 2.400}

20

207

01ATM_23: {0.000, 0.000}

42

100

01ATM_01: {2.400, 3.000}

20

208

01ATM_23: {0.000, 0.000}

42

101

01ATM_02: {0.000, 2.200}

21

209

01ATM_23: {0.000, 0.000}

42

102

01ATM_02: {2.200, 4.400}

21

210

01ATM_23: {0.000, 0.000}

42

103

01ATM_02: {4.400, 6.600}

21

211

01ATM_24: {0.000, 0.000}

43

104

01ATM_02: {6.600, 8.800}

21

212

01ATM_24: {0.000, 0.000}

43

105

01ATM_02: {8.800, 11.000}

21

213

01ATM_24: {0.000, 0.000}

43

106

01ATM_03: {0.000, 0.200}

22

214

01ATM_24: {0.000, 0.000}

43

107

01ATM_03: {0.200, 0.400}

22

215

01ATM_24: {0.000, 0.000}

43

108

01ATM_03: {0.400, 0.600}

22

 

 

 

 

 

 

 

 

 

 

4.2.2.2. Получение исходных данных запланированного состава в той форме, в которой они накапливаются в поставляющей их организации (журналы)

 

В ЗАО Агрофирме "Сад-Гигант" организован и ведется систематический сбор и учет данных, необходимых для осуществления основной деятельности предприятия (плановых мероприятий по подкормке, обработке и уходу за культурами), а также для планирования и прогнозирования будущих результатов деятельности (качества и количества урожая).

Ответственными за этот учет являются:

– метеорологический центр;

– плановый отдел;

– лаборатория;

– отдел маркетинга.

Эти подразделения предоставили информацию по выбранным для обработки показателям. Основной объем этой информации составляли журналы агрономов, которые  в данной работе не приводятся из-за большого объема.

 

4.2.2.3. Разработка электронной формы для представления исходных данных

 

Для ввода исходных данных (непосредственно из журналов агрономов) была разработана Excel-таблица, горизонтальная шапка которой приводится ниже (таблица 25).

Вертикальная шапка таблицы включает ежедневные данные по каждому из 5 сортов яблок за 10 летний период с 1003 по 2002 годы, всего 18250 строк: 5 сортов ´ 365 дней  ´ 10 лет = 18250 строк. Фрагмент таблицы исходных данных приведен на рисунке 32.

При распечатке шириной в один лист в высоту данная таблица составит более 300 листов и по этой причине здесь не приводится.

 

Таблица 25 – ШАПКА EXCEL-ТАБЛИЦЫ 
ДЛЯ ВВОДА ИСХОДНЫХ ДАННЫХ

Дата

Сорт яблок

Результаты выращивания

Фазы

Набухание  плодовых почек

Урожай тон/га

1 сорт

2 сорт

3 сорт

Начало

Окончание

date

sort_name

urogay

sort_1

sort_2

sort_3

t1_faza1

t2_faza1

1

2

3

4

5

6

7

8

Фазы

Распускание плодовых почек

Развертывание первых листьев

Обособление бутонов

Цветение

 

Начало

Окончание

Начало

Окончание

Начало

Окончание

Начало

Окончание

t1_faza2

t2_faza2

t1_faza3

t2_faza3

t1_faza4

t2_faza4

t1_faza5

t2_faza5

9

10

11

12

13

14

15

16

Фазы

Конец цветения

Формирование плодов

Окончание роста
побегов

Вызревание древесины

Начало

Окончание

Начало

Окончание

Начало

Окончание

Начало

Окончание

t1_faza6

t2_faza6

t1_faza7

t2_faza7

t1_faza8

t2_faza8

t1_faza9

t2_faza9

17

18

19

20

21

22

23

24

Фазы

Съемная спелость

Осеннее расцвечивание листьев

Листопад

Вторичный рост побегов

Начало

Окончание

Начало

Окончание

Начало

Окончание

Начало

Окончание

t1_faza10

t2_faza10

t1_faza11

t2_faza11

t1_faza12

t2_faza12

t1_faza13

t2_faza13

25

26

27

28

29

30

31

32

Погодные факторы по дням

Температура воздуха

Температура почвы

Относительная влажность

Абсолютная влажность.

Осадки (мм)

Средняя

MAX

MIN

Средняя

MAX

MIN

Средняя

Минимал.

День

Ночь

Сутки

t_vozd_sr

t_vozd_max

t_vozd_min

t_poch_sr

t_poch_max

t_poch_min

vl_otn_sr

vl_otn_min

vl_abs

osad_day

osad_night

osad_sutki

33

34

35

36

37

38

39

40

41

42

43

44

Погодные факторы по дням

Атмосферное

явление

Давление (мил.бар)

Облачность

Ветер

На ур. станции

На ур. моря

Общ.

Ниж.

Направление

Скорость

davl_stan

davl_sea

obl_vsego

obl_down

veter_azimut

veter_skor

atm_yvlen

45

46

47

48

49

50

51

 

 

Рисунок 32. Фрагмент таблицы исходных данных

4.2.2.4. Преобразование исходных данных в электронную форму

Этот этап работ представляет собой ввод исходных данных из бумажных журналов агрономов в электронную Excel-таблицу (таблица 25) и осуществлялся на компьютере вручную.

 

4.2.2.5. Контроль достоверности исходных данных и исправление ошибок

После ввода исходных данных в Excel-таблицу, который осуществлялся вручную, было осуществлено автоматическое выявление ошибок ввода нескольких видов:

– среднее значение показателя меньше максимального;

– максимальное значение показателя меньше минимального;

– длительность фенофазы больше года;

– отсутствие данных.

Для этого в Excel-книге, в которой в качестве листа была таблица исходных данных, был создан второй лист "Error", в котором в позициях показателей, отображались пробелы, если показатель верный и ERROR, если он ошибочный.

Затем все ошибочно введенные показатели были исправлены вручную с использованием бумажной формы исходных данных.

 

4.2.2.6. Преобразование исходных данных из формы по датам в стандартную форму по фенофазам

Эта операция выполняется в несколько этапов:

1. Преобразование Excel-таблицы исходных данных в DBF-файл с именем INP_DATA.DBF.

2. Формирование помежуточной формы INP_FAZA.DBF, соержащей информацию и переиодах начала и окончания каждой фенофазы и номерах соотвсвующих записей в базе данных INP_DATA.DBF по каждому сорту за все годы.

3. Формирование файла данных с именем INP12.DBF, в стандарте внешнего файла системы "Эйдос" (стандарт профессора А.Н.Лебедева).

Для выполнения 1-го этапа:

– удаляется строка 5 с номерами столбцов;

– отмечается блоком часть таблицы со строки 4 с наименованиями полей и до конца таблицы (все столбцы);

– выбирается режим сохранения: "Файл – сохранить как – тип файла: DBF 4 (dBASE IV) *.dbf – имя файла: Inp_data.dbf";

– нажать кнопку "Сохранить".

В результате формируется DBF-файл, содержащий исходные данные, со следующей структурой (таблица 26).

 

Таблица 26 – СТРУКТУРА DBF-ФАЙЛА
С ИСХОДНЫМИ ДАННЫМИ

Наименование

поля

Тип

дан-

ных

Длина

поля

Кол-во
дес.

разр.

Наименование

поля

Тип

дан-

ных

Длина

поля

Кол-во
дес.

разр.

1

DATE

D

8

0

27

T1_FAZA11

D

8

0

2

SORT_NAME

C

16

0

28

T2_FAZA11

D

8

0

3

UROGAY

N

8

0

29

T1_FAZA12

D

8

0

4

SORT_1

N

5

0

30

T2_FAZA12

D

8

0

5

SORT_2

N

5

0

31

T1_FAZA13

D

8

0

6

SORT_3

N

5

0

32

T2_FAZA13

D

8

0

7

T1_FAZA1

D

8

0

33

T_VOZD_SR

N

8

1

8

T2_FAZA1

D

8

0

34

T_VOZD_MAX

N

8

1

9

T1_FAZA2

D

8

0

35

T_VOZD_MIN

N

7

1

10

T2_FAZA2

D

8

0

36

T_POCH_SR

N

8

1

11

T1_FAZA3

D

8

0

37

T_POCH_MAX

N

5

1

12

T2_FAZA3

D

8

0

38

T_POCH_MIN

N

6

1

13

T1_FAZA4

D

8

0

39

VL_OTN_SR

N

9

1

14

T2_FAZA4

D

8

0

40

VL_OTN_MIN

N

5

1

15

T1_FAZA5

D

8

0

41

VL_ABS

N

5

1

16

T2_FAZA5

D

8

0

42

OSAD_DAY

N

5

1

17

T1_FAZA6

D

8

0

43

OSAD_NIGHT

N

5

1

18

T2_FAZA6

D

8

0

44

OSAD_SUTKI

N

7

1

19

T1_FAZA7

D

8

0

45

DAVL_STAN

N

9

1

20

T2_FAZA7

D

8

0

46

DAVL_SEA

N

11

1

21

T1_FAZA8

D

8

0

47

OBL_VSEGO

N

6

1

22

T2_FAZA8

D

8

0

48

OBL_DOWN

N

6

1

23

T1_FAZA9

D

8

0

49

VETER_AZIM

N

6

1

24

T2_FAZA9

D

8

0

50

VETER_SKOR

N

5

1

25

T1_FAZA10

D

8

0

51

ATM_YVLEN

N

5

1

26

T2_FAZA10

D

8

0

 

 

 

 

 

 

Для выполнения этапов 2 и 3 применен специально разработанный программный интерфейс, вошедший в состав стандартного инструментария СК-анализа, обеспечивающий преобразование таблицы исходных данных (таблица 25) в стандарт внешней базы данных системы "Эйдос".

 

Экранная форма программного интерфейса имеет вид (рисунок 33).

 

Рисунок 33. Экранная форма программного интерфейса
первого уровня с системой "Эйдос"

 

Программный интерфейс реализован на языке программирования xBASE++, что связано с необходимостью обеспечения полной совместимости по стандарту используемых баз данных с системой "Эйдос", которая написана на этом языке программирования.

Алгоритм программного интерфейса приведен на рисунке 34.

На этапе 2 рассчитываются все метеопоказатели по каждой фенофазе каждого сорта в каждом году на основе их значений за каждый день с учетом периодов фенофаз. Результаты расчета записываются в базе данных INP_FAZA.DBF (таблица 27).

 

 

 

Рисунок 34. Алгоритм программного интерфейса первого уровня
с системой "Эйдос"

Таблица 27 – ТАБЛИЦА ФАКТИЧЕСКИХ ПЕРИОДОВ ФЕНОФАЗ ПО 5 СОРТАМ ЯБЛОК ЗА 1993 – 2002 ГОДЫ (ФРАГМЕНТ)

Год

Сорт

Фенофаза

Начало

Окончание

Начальный

№ записи

Конечный

№ записи

1993

Джонатан

1

24.03.93

31.03.93

7387

7394

1993

Джонатан

2

04.04.93

10.04.93

7398

7404

1993

Джонатан

3

14.04.93

20.04.93

7408

7414

1993

Джонатан

4

24.04.93

30.04.93

7418

7424

1993

Джонатан

5

30.04.93

03.05.93

7424

7427

1993

Джонатан

6

14.05.93

17.05.93

7438

7441

1993

Джонатан

7

24.05.93

27.05.93

7448

7451

1993

Джонатан

8

30.06.93

31.12.93

7485

7669

1993

Джонатан

9

10.09.93

20.10.93

7557

7597

1993

Джонатан

10

24.09.93

28.09.93

7571

7575

1993

Джонатан

11

20.10.93

29.10.93

7597

7606

1993

Джонатан

12

04.11.93

31.12.93

7612

7669

1993

Джонатан

13

10.08.93

31.12.93

7526

7669

1993

Ред Делишес

1

14.03.93

20.03.93

3725

3731

1993

Ред Делишес

2

01.04.93

06.04.93

3743

3748

1993

Ред Делишес

3

10.04.93

16.04.93

3752

3758

1993

Ред Делишес

4

20.04.93

25.04.93

3762

3767

1993

Ред Делишес

5

30.04.93

01.05.93

3772

3773

1993

Ред Делишес

6

11.05.93

13.05.93

3783

3785

1993

Ред Делишес

7

20.05.93

24.05.93

3792

3796

1993

Ред Делишес

8

25.06.93

31.12.93

3828

4017

1993

Ред Делишес

9

05.09.93

15.10.93

3900

3940

1993

Ред Делишес

10

20.09.93

24.09.93

3915

3919

1993

Ред Делишес

11

16.10.93

25.10.93

3941

3950

1993

Ред Делишес

12

01.11.93

31.12.93

3957

4017

1993

Ред Делишес

13

05.08.93

31.12.93

3869

4017

1993

Ренет Симеренко

1

20.03.93

31.03.93

79

90

1993

Ренет Симеренко

2

04.04.93

10.04.93

94

100

1993

Ренет Симеренко

3

14.04.93

20.04.93

104

110

1993

Ренет Симеренко

4

24.04.93

30.04.93

114

120

1993

Ренет Симеренко

5

30.04.93

03.05.93

120

123

1993

Ренет Симеренко

6

14.05.93

17.05.93

134

137

1993

Ренет Симеренко

7

24.05.93

27.05.93

144

147

1993

Ренет Симеренко

8

30.06.93

31.12.93

181

365

1993

Ренет Симеренко

9

10.09.93

20.10.93

253

293

1993

Ренет Симеренко

10

24.09.93

28.09.93

267

271

1993

Ренет Симеренко

11

20.10.93

29.10.93

293

302

1993

Ренет Симеренко

12

04.11.93

31.12.93

308

365

1993

Ренет Симеренко

13

10.08.93

31.12.93

222

365

1993

Ренет Шампанское

1

25.03.93

30.03.93

14692

14697

1993

Ренет Шампанское

2

04.04.93

10.04.93

14702

14708

1993

Ренет Шампанское

3

20.04.93

25.04.93

14718

14723

1993

Ренет Шампанское

4

26.04.93

30.04.93

14724

14728

1993

Ренет Шампанское

5

30.04.93

07.05.93

14728

14735

1993

Ренет Шампанское

6

08.05.93

11.05.93

14736

14739

1993

Ренет Шампанское

7

12.05.93

18.05.93

14740

14746

Год

Сорт

Фенофаза

Начало

Окончание

Начальный

№ записи

Конечный

№ записи

1993

Ренет Шампанское

8

10.06.93

31.12.93

14769

14973

1993

Ренет Шампанское

9

20.08.93

26.10.93

14840

14907

1993

Ренет Шампанское

10

25.08.93

30.08.93

14845

14850

1993

Ренет Шампанское

11

20.09.93

29.09.93

14871

14880

1993

Ренет Шампанское

12

04.11.93

31.12.93

14916

14973

1993

Ренет Шампанское

13

11.08.93

31.12.93

14831

14973

1993

Старкрымсон

1

10.03.93

15.03.93

11025

11030

1993

Старкрымсон

2

04.04.93

10.04.93

11050

11056

1993

Старкрымсон

3

14.04.93

20.04.93

11060

11066

1993

Старкрымсон

4

24.04.93

30.04.93

11070

11076

1993

Старкрымсон

5

30.04.93

03.05.93

11076

11079

1993

Старкрымсон

6

05.05.93

10.05.93

11081

11086

1993

Старкрымсон

7

12.05.93

18.05.93

11088

11094

1993

Старкрымсон

8

10.06.93

31.12.93

11117

11321

1993

Старкрымсон

9

10.08.93

20.10.93

11178

11249

1993

Старкрымсон

13

10.08.93

31.12.93

11178

11321

 

Окончательные результаты расчета приведены в базе данных INP12.DBF (таблица 28), являющейся входной для системы "Эйдос".

 

Таблица 28 – СТРУКТУРА БАЗЫ INP12.DBF С ИСХОДНЫМИ
 ДАННЫМИ ПО РЕЗУЛЬТАТАМ ВЫРАЩИВАНИЯ
И МЕТЕОПАРАМЕТРАМИ ПО ФЕНОФАЗАМ
(5 СОРТОВ ЯБЛОК ЗА 1993 – 2002 ГОДЫ – ФРАГМЕНТ)

Имя поля

Тип поля

Длина поля

Дес.разр.

Имя поля

Тип поля

Длина поля

Дес.разр.

Имя поля

Тип поля

Длина поля

Дес.разр.

1

 NUM_GOD   

C

12

0

 

 

 

 

 

 

 

 

 

 

2

 NAME_UR_VS

C

65

0

 

 

 

 

 

 

 

 

 

 

3

 NAME_UR_S1

C

65

0

 

 

 

 

 

 

 

 

 

 

4

 NAME_UR_S2

C

65

0

 

 

 

 

 

 

 

 

 

 

5

 NAME_UR_S3

C

65

0

 

 

 

 

 

 

 

 

 

 

6

 01TVOZDSR 

N

13

2

49

 02TVOZDSR 

N

13

2

92

 03TVOZDSR 

N

13

2

7

 01TVOZDMAX

N

13

2

50

 02TVOZDMAX

N

13

2

93

 03TVOZDMAX

N

13

2

8

 01TVOZDMIN

N

13

2

51

 02TVOZDMIN

N

13

2

94

 03TVOZDMIN

N

13

2

9

 01TPOCHSR 

N

13

2

52

 02TPOCHSR 

N

13

2

95

 03TPOCHSR 

N

13

2

10

 01TPOCHMAX

N

13

2

53

 02TPOCHMAX

N

13

2

96

 03TPOCHMAX

N

13

2

11

 01TPOCHMIN

N

13

2

54

 02TPOCHMIN

N

13

2

97

 03TPOCHMIN

N

13

2

12

 01VLOTNSR 

N

13

2

55

 02VLOTNSR 

N

13

2

98

 03VLOTNSR 

N

13

2

13

 01VLOTNMIN

N

13

2

56

 02VLOTNMIN

N

13

2

99

 03VLOTNMIN

N

13

2

14

 01VLABS   

N

13

2

57

 02VLABS   

N

13

2

100

 03VLABS   

N

13

2

15

 01OSAD_DAY

N

13

2

58

 02OSAD_DAY

N

13

2

101

 03OSAD_DAY

N

13

2

16

 01OSAD_NIG

N

13

2

59

 02OSAD_NIG

N

13

2

102

 03OSAD_NIG

N

13

2

17

 01OSAD_SUT

N

13

2

60

 02OSAD_SUT

N

13

2

103

 03OSAD_SUT

N

13

2

18

 01DAVL_STA

N

13

2

61

 02DAVL_STA

N

13

2

104

 03DAVL_STA

N

13

2

19

 01DAVL_SEA

N

13

2

62

 02DAVL_SEA

N

13

2

105

 03DAVL_SEA

N

13

2

20

 01OBL_VSEG

N

13

2

63

 02OBL_VSEG

N

13

2

106

 03OBL_VSEG

N

13

2

21

 01OBL_DOWN

N

13

2

64

 02OBL_DOWN

N

13

2

107

 03OBL_DOWN

N

13

2

22

 01VETER_AZ

N

13

2

65

 02VETER_AZ

N

13

2

108

 03VETER_AZ

N

13

2

23

 01VETER_SK

N

13

2

66

 02VETER_SK

N

13

2

109

 03VETER_SK

N

13

2

Имя поля

Тип поля

Длина поля

Дес.разр.

Имя поля

Тип поля

Длина поля

Дес.разр.

Имя поля

Тип поля

Длина поля

Дес.разр.

24

 01ATM_00  

N

13

2

67

 02ATM_00  

N

13

2

110

 03ATM_00  

N

13

2

25

 01ATM_01  

N

13

2

68

 02ATM_01  

N

13

2

111

 03ATM_01  

N

13

2

26

 01ATM_02  

N

13

2

69

 02ATM_02  

N

13

2

112

 03ATM_02  

N

13

2

27

 01ATM_03  

N

13

2

70

 02ATM_03  

N

13

2

113

 03ATM_03  

N

13

2

28

 01ATM_04  

N

13

2

71

 02ATM_04  

N

13

2

114

 03ATM_04  

N

13

2

29

 01ATM_05  

N

13

2

72

 02ATM_05  

N

13

2

115

 03ATM_05  

N

13

2

30

 01ATM_06  

N

13

2

73

 02ATM_06  

N

13

2

116

 03ATM_06  

N

13

2

31

 01ATM_07  

N

13

2

74

 02ATM_07  

N

13

2

117

 03ATM_07  

N

13

2

32

 01ATM_08  

N

13

2

75

 02ATM_08  

N

13

2

118

 03ATM_08  

N

13

2

33

 01ATM_09  

N

13

2

76

 02ATM_09  

N

13

2

119

 03ATM_09  

N

13

2

34

 01ATM_10  

N

13

2

77

 02ATM_10  

N

13

2

120

 03ATM_10  

N

13

2

35

 01ATM_11  

N

13

2

78

 02ATM_11  

N

13

2

121

 03ATM_11  

N

13

2

36

 01ATM_12  

N

13

2

79

 02ATM_12  

N

13

2

122

 03ATM_12  

N

13

2

37

 01ATM_13  

N

13

2

80

 02ATM_13  

N

13

2

123

 03ATM_13  

N

13

2

38

 01ATM_14  

N

13

2

81

 02ATM_14  

N

13

2

124

 03ATM_14  

N

13

2

39

 01ATM_15  

N

13

2

82

 02ATM_15  

N

13

2

125

 03ATM_15  

N

13

2

40

 01ATM_16  

N

13

2

83

 02ATM_16  

N

13

2

126

 03ATM_16  

N

13

2

41

 01ATM_17  

N

13

2

84

 02ATM_17  

N

13

2

127

 03ATM_17  

N

13

2

42

 01ATM_18  

N

13

2

85

 02ATM_18  

N

13

2

128

 03ATM_18  

N

13

2

43

 01ATM_19  

N

13

2

86

 02ATM_19  

N

13

2

129

 03ATM_19  

N

13

2

44

 01ATM_20

N

13

2

87

 02ATM_20  

N

13

2

130

 03ATM_20  

N

13

2

45

 01ATM_21

N

13

2

88

 02ATM_21  

N

13

2

131

 03ATM_21  

N

13

2

46

 01ATM_22

N

13

2

89

 02ATM_22  

N

13

2

132

 03ATM_22  

N

13

2

47

 01ATM_23

N

13

2

90

 02ATM_23  

N

13

2

133

 03ATM_23  

N

13

2

48

 01ATM_24

N

13

2

91

 02ATM_24  

N

13

2

134

 03ATM_24   

N

13

2

 

В таблице 28 приведены наименования полей для 3 фенофаз, а в структуре базы данных INP12.DBF они есть для всех 13 фенофаз.

Расшифровка смысла полей, соответствующих классам и признакам (на примере 1-й фазы) приведена в таблице 29.

 

Таблица 29 – РАСШИФРОВКА СМЫСЛА ПОЛЕЙ,
СООТВЕТСТВУЮЩИХ КЛАССАМ И ПРИЗНАКАМ
(НА ПРИМЕРЕ 1-Й ФАЗЫ)

Имя поля

Смысл информации, содержащейся в поле

1

 NUM_GOD   

Номер примера выращивания и год, за который пример

2

 NAME_UR_VS

Наименование сорта и урожайность (всего)

3

 NAME_UR_S1

Наименование сорта и урожайность (по 1-му сорту)

4

 NAME_UR_S2

Наименование сорта и урожайность (по 2-му сорту)

5

 NAME_UR_S3

Наименование сорта и урожайность (по 3-му сорту)

6

 01TVOZDSR 

Температура воздуха средняя (°С)

7

 01TVOZDMAX

Температура воздуха максимальная (°С)

8

 01TVOZDMIN

Температура воздуха минимальная (°С)

9

 01TPOCHSR 

Температура почвы средняя (°С)

10

 01TPOCHMAX

Температура почвы максимальная (°С)

11

 01TPOCHMIN

Температура почвы минимальная (°С)

12

 01VLOTNSR 

Влажность относительная средняя

13

 01VLOTNMIN

Влажность относительная минимальная

14

 01VLABS   

Влажность абсолютная

15

 01OSAD_DAY

Количество осадков днем

16

 01OSAD_NIG

Количество осадков за ночь

17

 01OSAD_SUT

Количество осадков за сутки

Имя поля

Смысл информации, содержащейся в поле

18

 01DAVL_STA

Атмосферное давление на уровне метеостанции

19

 01DAVL_SEA

Атмосферное давление на уровне моря

20

 01OBL_VSEG

Облачность всего

21

 01OBL_DOWN

Облачность низкая

22

 01VETER_AZ

Ветер азимут (способ кодирования в таблица 21)

23

 01VETER_SK

Ветер скорость

24

 01ATM_00  

Штиль

25

 01ATM_01  

Дождь

26

 01ATM_02  

Ливневый дождь

27

 01ATM_03  

Морось

28

 01ATM_04  

Снег

29

 01ATM_05  

Ливневый снег

30

 01ATM_06  

Снежная крупа

31

 01ATM_07  

Снежные зерна

32

 01ATM_08  

Ледяная крупа

33

 01ATM_09  

Ледяной дождь

34

 01ATM_10  

Град

35

 01ATM_11  

Мокрый снег

36

 01ATM_12  

Ливневый мокрый снег

37

 01ATM_13  

Роса

38

 01ATM_14   

Иней

39

 01ATM_15  

Гололед

40

 01ATM_16  

Зернистая изморось

41

 01ATM_17  

Кристаллическая изморось

42

 01ATM_18  

Гололедица

43

 01ATM_19  

Туман

44

 01ATM_20

Просвечивающийся туман

45

 01ATM_21

Дымка

46

 01ATM_22

Гроза

47

 01ATM_23

Зарница

48

 01ATM_24

Шквал

 

 

4.2.2.7. Импорт исходных данных из стандартной формы по фенофазам в базы данных системы "Эйдос"

 

Для этой цели использовался встроенный в систему "Эйдос" стандартный программный интерфейс с внешней базой данных (рисунки 35, 36) INP12.DBF. Структура этой базы данных приведена в таблице 28.

 

Рисунок 35. Выход на режим импорта данных из внешней
базы данных стандарта профессора А.Н.Лебедева

 

Рисунок 36. Экранная форма интерфейса импорта данных из внешней базы данных стандарта профессора А.Н.Лебедева

 

При этом автоматически формируются и вводятся в соответствующие базы данных системы "Эйдос" классификационные и описательные шкалы и градации, а также обучающая выборка, приведенные в таблицах 22 – 29.

 

4.2.3. Синтез семантической информационной модели, ее оптимизация и проверка на адекватность

4.2.3.1. Синтез семантической информационной модели (СИМ)

Синтез семантической информационной модели (СИМ) осуществляется в 5-м режиме 2-й подсистемы системы "Эйдос" (рисунок 37).

Рисунок 37. Синтез семантической информационной модели

 

 

4.2.3.2. Оптимизация СИМ

Оптимизация семантической информационной модели состоит в исключении из нее факторов, не оказывающих существенного влияния на получение тех или иных результатов выращивания исследуемых сельхозкультур. Рассмотрим график, приведенный на рисунке 38.

Рисунок 38. № Паретто-кривая "Сила влияния градаций факторов
на получение различных результатов выращивания"

 

Видно, что примерно половина всех градаций факторов (1400 из 2795) суммарно оказывает около 95% влияния, а другая половина – не более 5% влияния, т.е. практически никакого влияния не оказывает. Это значит, что градации факторов, входящие в эту вторую половину, могут быть без какого-либо ущерба для адекватности модели быть исключены из нее. В этом и состоит оптимизация модели в данном случае.

В результате оптимизации модели резко сокращается ее размерность и резко сокращается время решения задач и объем используемой для баз данных и индексных массивов внешней памяти.

 

4.2.3.3. Измерение адекватности СИМ

 

Измерение адекватности СИМ состоит в измерении внутренней и внешней, дифференциальной и интегральной валидности.

 

4.2.3.3.1. Внутренняя дифференциальная и интегральная валидность

 

Под внутренней валидностью понимается способность модели верно идентифицировать объекты, входящие в обучающую выборку.

Для измерения адекватности модели необходимо выполнить следующие действия:

1. Скопировать обучающую выборку в распознаваемую (во 1-м режиме 2-й подсистемы нажав клавишу F5).

2. Выполнить пакетное распознавание (во 2-м режиме 4-й подсистемы, задав 1-й критерий сходства) (рисунок 39).

3. Измерить адекватность модели (во 2-м режиме 6-й подсистемы) (рисунки 40 и 41).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Рисунок 39. Выход на режим пакетного распознавания

 

Рисунок 40. Выход на режим измерения адекватности

 семантической информационной модели системы "Эйдос"

Рисунок 41. Экранная форма управления измерением адекватности модели и отображения результатов

 

Эта форма может прокучиваться вниз-вверх и вправо-влево. В верхней части формы приведены показатели интегральной валидности (средневзвешенные по всей обучающей выборке), а в самой таблице – дифференциальной валидности, т.е. в разрезе по классам.

Кроме того, результаты измерения адекватности модели выводятся в форме файлов с именами ValidSys.txt (таблица 30) и ValAnkSt.txt (рисунок 42) стандарта "TXT-текст DOS" в поддиректории TXT.

 

Таблица 30 – ИЗМЕРЕНИЕ АДЕКВАТНОСТИ
СЕМАНТИЧЕСКОЙ ИНФОРМАЦИОННОЙ МОДЕЛИ

Анкет физических:     50 логических (всего/факт):     200/    200

Верная идентификация:          196   Ошибочная неидентификация:       4

Верная идентификация:        98.00%  Ошибочная неидентификация:    2.00%

Минимальный уровень сходства:  0.0   Максимальное кол-во классов: 99999

 

19-05-04  23:58:24                                                      г.Краснодар

Код
класса

Наименование класса

Всего

логич

анкет

Идентифи-

цировано

Неиденти-

фицировано

Идентифи-

цировано

Неиденти-

фицировано

Верно

Ошиб.

Верно

Ошиб.

Верно%

Ошиб.%

Верно%

Ошиб.%

1

Джонатан (всего)    - урожай: 10.00

2

2

8

40

0

100.00

4.04

20.20

0.00

2

Джонатан (всего)    - урожай: 11.00

1

1

48

1

0

100.00

24.12

0.50

0.00

3

Джонатан (всего)    - урожай: 12.00

2

2

8

40

0

100.00

4.04

20.20

0.00

4

Джонатан (всего)    - урожай: 13.00

1

1

30

19

0

100.00

15.08

9.55

0.00

5

Джонатан (всего)    - урожай: 14.00

1

1

32

17

0

100.00

16.08

8.54

0.00

6

Джонатан (всего)    - урожай: 15.00

2

2

8

40

0

100.00

4.04

20.20

0.00

7

Джонатан (всего)    - урожай: 5.00

1

1

26

23

0

100.00

13.07

11.56

0.00

8

Ред Делишес (всего)    - урожай: 10.00

1

1

28

21

0

100.00

14.07

10.55

0.00

Код
класса

Наименование класса

Всего

логич

анкет

Идентифи-

цировано

Неиденти-

фицировано

Идентифи-

цировано

Неиденти-

фицировано

Верно

Ошиб.

Верно

Ошиб.

Верно%

Ошиб.%

Верно%

Ошиб.%

9

Ред Делишес (всего)    - урожай: 14.00

1

1

20

29

0

100.00

10.05

14.57

0.00

10

Ред Делишес (всего)    - урожай: 15.00

2

2

9

39

0

100.00

4.55

19.70

0.00

11

Ред Делишес (всего)    - урожай: 16.00

2

2

8

40

0

100.00

4.04

20.20

0.00

12

Ред Делишес (всего)    - урожай: 18.00

1

1

12

37

0

100.00

6.03

18.59

0.00

13

Ред Делишес (всего)    - урожай: 19.00

1

1

46

3

0

100.00

23.12

1.51

0.00

14

Ред Делишес (всего)    - урожай: 24.00

1

1

21

28

0

100.00

10.55

14.07

0.00

15

Ред Делишес (всего)    - урожай: 27.00

1

1

23

26

0

100.00

11.56

13.07

0.00

16

Ренет Симеренко (всего)    - урожай: 12.00

1

1

29

20

0

100.00

14.57

10.05

0.00

17

Ренет Симеренко (всего)    - урожай: 15.00

1

1

25

24

0

100.00

12.56

12.06

0.00

18

Ренет Симеренко (всего)    - урожай: 16.00

1

1

31

18

0

100.00

15.58

9.05

0.00

19

Ренет Симеренко (всего)    - урожай: 17.00

1

1

48

1

0

100.00

24.12

0.50

0.00

20

Ренет Симеренко (всего)    - урожай: 20.00

2

2

8

40

0

100.00

4.04

20.20

0.00

21

Ренет Симеренко (всего)    - урожай: 22.00

1

1

32

17

0

100.00

16.08

8.54

0.00

22

Ренет Симеренко (всего)    - урожай: 28.00

1

1

29

20

0

100.00

14.57

10.05

0.00

23

Ренет Симеренко (всего)    - урожай: 3.00

1

1

43

6

0

100.00

21.61

3.02

0.00

24

Ренет Симеренко (всего)    - урожай: 4.00

1

1

26

23

0

100.00

13.07

11.56

0.00

25

Ренет Шампанское (всего)    - урожай: 10.00

1

1

41

8

0

100.00

20.60

4.02

0.00

26

Ренет Шампанское (всего)    - урожай: 14.00

1

1

40

9

0

100.00

20.10

4.52

0.00

27

Ренет Шампанское (всего)    - урожай: 15.00

1

1

33

16

0

100.00

16.58

8.04

0.00

28

Ренет Шампанское (всего)    - урожай: 17.00

2

2

19

29

0

100.00

9.60

14.65

0.00

29

Ренет Шампанское (всего)    - урожай: 21.00

1

1

35

14

0

100.00

17.59

7.04

0.00

30

Ренет Шампанское (всего)    - урожай: 22.00

1

1

38

11

0

100.00

19.10

5.53

0.00

31

Ренет Шампанское (всего)    - урожай: 23.00

1

1

27

22

0

100.00

13.57

11.06

0.00

32

Ренет Шампанское (всего)    - урожай: 25.00

1

1

35

14

0

100.00

17.59

7.04

0.00

33

Ренет Шампанское (всего)    - урожай: 27.00

1

1

32

17

0

100.00

16.08

8.54

0.00

34

Старкрымсон (всего)    - урожай: 10.00

1

1

34

15

0

100.00

17.09

7.54

0.00

35

Старкрымсон (всего)    - урожай: 12.00

2

2

10

38

0

100.00

5.05

19.19

0.00

36

Старкрымсон (всего)    - урожай: 15.00

2

2

8

40

0

100.00

4.04

20.20

0.00

37

Старкрымсон (всего)    - урожай: 16.00

2

2

9

39

0

100.00

4.55

19.70

0.00

38

Старкрымсон (всего)    - урожай: 18.00

1

1

47

2

0

100.00

23.62

1.01

0.00

39

Старкрымсон (всего)    - урожай: 20.00

1

1

21

28

0

100.00

10.55

14.07

0.00

40

Старкрымсон (всего)    - урожай: 9.00

1

1

40

9

0

100.00

20.10

4.52

0.00

41

Джонатан (1-й сорт) - урожай: 12.00

3

3

9

38

0

100.00

4.57

19.29

0.00

42

Джонатан (1-й сорт) - урожай: 13.00

1

1

26

23

0

100.00

13.07

11.56

0.00

43

Джонатан (1-й сорт) - урожай: 14.00

2

2

10

38

0

100.00

5.05

19.19

0.00

44

Джонатан (1-й сорт) - урожай: 3.00

1

1

26

23

0

100.00

13.07

11.56

0.00

45

Джонатан (1-й сорт) - урожай: 7.00

1

1

43

6

0

100.00

21.61

3.02

0.00

46

Джонатан (1-й сорт) - урожай: 9.00

2

2

8

40

0

100.00

4.04

20.20

0.00

47

Ред Делишес (1-й сорт) - урожай: 13.00

1

1

20

29

0

100.00

10.05

14.57

0.00

48

Ред Делишес (1-й сорт) - урожай: 14.00

2

2

9

39

0

100.00

4.55

19.70

0.00

49

Ред Делишес (1-й сорт) - урожай: 15.00

2

2

8

40

0

100.00

4.04

20.20

0.00

50

Ред Делишес (1-й сорт) - урожай: 17.00

1

1

12

37

0

100.00

6.03

18.59

0.00

51

Ред Делишес (1-й сорт) - урожай: 18.00

1

1

46

3

0

100.00

23.12

1.51

0.00

52

Ред Делишес (1-й сорт) - урожай: 23.00

1

1

21

28

0

100.00

10.55

14.07

0.00

53

Ред Делишес (1-й сорт) - урожай: 25.00

1

1

23

26

0

100.00

11.56

13.07

0.00

54

Ред Делишес (1-й сорт) - урожай: 9.00

1

1

28

21

0

100.00

14.07

10.55

0.00

55

Ренет Симеренко (1-й сорт) - урожай: 11.00

1

1

29

20

0

100.00

14.57

10.05

0.00

56

Ренет Симеренко (1-й сорт) - урожай: 14.00

2

2

8

40

0

100.00

4.04

20.20

0.00

57

Ренет Симеренко (1-й сорт) - урожай: 15.00

1

1

48

1

0

100.00

24.12

0.50

0.00

58

Ренет Симеренко (1-й сорт) - урожай: 18.00

2

2

8

40

0

100.00

4.04

20.20

0.00

59

Ренет Симеренко (1-й сорт) - урожай: 19.00

1

1

32

17

0

100.00

16.08

8.54

0.00

60

Ренет Симеренко (1-й сорт) - урожай: 26.00

1

1

29

20

0

100.00

14.57

10.05

0.00

61

Ренет Симеренко (1-й сорт) - урожай: 3.00

2

2

8

40

0

100.00

4.04

20.20

0.00

62

Ренет Шампанское (1-й сорт) - урожай: 13.00

2

2

13

35

0

100.00

6.57

17.68

0.00

Код
класса

Наименование класса

Всего

логич

анкет

Идентифи-

цировано

Неиденти-

фицировано

Идентифи-

цировано

Неиденти-

фицировано

Верно

Ошиб.

Верно

Ошиб.

Верно%

Ошиб.%

Верно%

Ошиб.%

63

Ренет Шампанское (1-й сорт) - урожай: 15.00

1

1

33

16

0

100.00

16.58

8.04

0.00

64

Ренет Шампанское (1-й сорт) - урожай: 16.00

1

1

48

1

0

100.00

24.12

0.50

0.00

65

Ренет Шампанское (1-й сорт) - урожай: 19.00

1

1

35

14

0

100.00

17.59

7.04

0.00

66

Ренет Шампанское (1-й сорт) - урожай: 20.00

2

2

9

39

0

100.00

4.55

19.70

0.00

67

Ренет Шампанское (1-й сорт) - урожай: 24.00

2

2

12

36

0

100.00

6.06

18.18

0.00

68

Ренет Шампанское (1-й сорт) - урожай: 8.00

1

1

41

8

0

100.00

20.60

4.02

0.00

69

Старкрымсон (1-й сорт) - урожай: 11.00

2

2

10

38

0

100.00

5.05

19.19

0.00

70

Старкрымсон (1-й сорт) - урожай: 13.00

1

1

26

23

0

100.00

13.07

11.56

0.00

71

Старкрымсон (1-й сорт) - урожай: 14.00

3

3

8

39

0

100.00

4.06

19.80

0.00

72

Старкрымсон (1-й сорт) - урожай: 17.00

2

2

10

38

0

100.00

5.05

19.19

0.00

73

Старкрымсон (1-й сорт) - урожай: 7.00

1

1

34

15

0

100.00

17.09

7.54

0.00

74

Старкрымсон (1-й сорт) - урожай: 8.00

1

1

40

9

0

100.00

20.10

4.52

0.00

75

Джонатан (2-й сорт) - урожай: 0.00

1

1

32

17

0

100.00

16.08

8.54

0.00

76

Джонатан (2-й сорт) - урожай: 1.00

7

7

7

36

0

100.00

3.63

18.65

0.00

77

Джонатан (2-й сорт) - урожай: 15.00

1

1

48

1

0

100.00

24.12

0.50

0.00

78

Джонатан (2-й сорт) - урожай: 2.00

1

1

43

6

0

100.00

21.61

3.02

0.00

79

Ред Делишес (2-й сорт) - урожай: 1.00

9

6

0

41

3

66.67

0.00

21.47

33.33

80

Ред Делишес (2-й сорт) - урожай: 2.00

1

1

23

26

0

100.00

11.56

13.07

0.00

81

Ренет Симеренко (2-й сорт) - урожай: 0.00

2

2

8

40

0

100.00

4.04

20.20

0.00

82

Ренет Симеренко (2-й сорт) - урожай: 1.00

5

5

6

39

0

100.00

3.08

20.00

0.00

83

Ренет Симеренко (2-й сорт) - урожай: 2.00

3

3

10

37

0

100.00

5.08

18.78

0.00

84

Ренет Шампанское (2-й сорт) - урожай: 1.00

5

5

2

43

0

100.00

1.03

22.05

0.00

85

Ренет Шампанское (2-й сорт) - урожай: 2.00

4

4

2

44

0

100.00

1.02

22.45

0.00

86

Ренет Шампанское (2-й сорт) - урожай: 3.00

1

1

27

22

0

100.00

13.57

11.06

0.00

87

Старкрымсон (2-й сорт) - урожай: 1.00

8

8

0

42

0

100.00

0.00

21.88

0.00

88

Старкрымсон (2-й сорт) - урожай: 2.00

1

1

34

15

0

100.00

17.09

7.54

0.00

89

Старкрымсон (2-й сорт) - урожай: 3.00

1

1

21

28

0

100.00

10.55

14.07

0.00

90

Джонатан (3-й сорт) - урожай: 0.00

7

7

8

35

0

100.00

4.15

18.13

0.00

91

Джонатан (3-й сорт) - урожай: 1.00

3

3

11

36

0

100.00

5.58

18.27

0.00

92

Ред Делишес (3-й сорт) - урожай: 0.00

7

6

2

41

1

85.71

1.04

21.24

14.29

93

Ред Делишес (3-й сорт) - урожай: 1.00

3

3

2

45

0

100.00

1.02

22.84

0.00

94

Ренет Симеренко (3-й сорт) - урожай: 0.00

7

7

12

31

0

100.00

6.22

16.06

0.00

95

Ренет Симеренко (3-й сорт) - урожай: 1.00

3

3

7

40

0

100.00

3.55

20.30

0.00

96

Ренет Шампанское (3-й сорт) - урожай: 0.00

2

2

22

26

0

100.00

11.11

13.13

0.00

97

Ренет Шампанское (3-й сорт) - урожай: 1.00

8

8

0

42

0

100.00

0.00

21.88

0.00

98

Старкрымсон (3-й сорт) - урожай: 0.00

4

4

2

44

0

100.00

1.02

22.45

0.00

99

Старкрымсон (3-й сорт) - урожай: 1.00

6

6

0

44

0

100.00

0.00

22.68

0.00

Универсальная когнитивная аналитическая система                         НПП *ЭЙДОС*

 

 

 

 

Рисунок 42. Фрагмент выходной формы ValAnkSt.txt с результатами измерения адекватности модели и отображения результатов

 

В данной форме приведены коды анкет обучающей выборки, которые были учтены в каждой графе предыдущей формы по каждому классу.

Форма, приведенная в таблице 30, рассчитывается как средневзвешенная на основе карточек прогнозирования, представленных на рисунке 43.

 

Рисунок 43. Пример карточки прогнозирования количественных
и качественных результатов выращивания всех сортов яблок
для заданного года (1993)

 

При этом результаты измерения валидности СИМ зависят от количества классов из карточек распознавания, засчитываемых как верно идентифицированные. График эмпирической зависимости валидности СИМ от этого параметра приведен на рисунке 44.

Рисунок 44. Эмпирическая зависимость валидности СИМ
от количества классов из карточек распознавания,
засчитываемых как верно идентифицированные

"Факторные портреты" тех лет, в которые был получен данный конкретный количественный и качественный результат выращивания данного сорта (рисунок 45), обобщены системой, в результате чего сформирован обобщенный информационный портрет системы факторов, действие которых приводит к данному результату (рисунок 46). Эта задача иногда называется задачей "Типизации лет".

Рисунок 45. Пример карточки прогнозирования конкретного
результата выращивания данного сорта яблок
за 10 лет (с 1993 по 2003)

Рисунок 46. Фрагмент информационного портрета класса
(конкретного результат выращивания заданного сорта)

 

Если задача типизации лет решена, то на основе нее может решаться задача оценки эффективности выращивания определенного заданного сорта в заданной конкретной зоне и микрозоне выращивания. На основе этого для каждой микрозоны может быть определен оптимальный сорт, и для каждого сорта - оптимальные микрозоны.

Рассмотрим, что означают графы выходной формы, представленной в таблице 30.

"Всего логических анкет" – это количество анкет (примеров текстов) в обучающей выборке, на основе которых формировался образ данного класса.

"Идентифицировано верно" – это количество анкет обучающей выборки, которые идентифицированы как классы, к которым они действительно относятся.

"Идентифицировано ошибочно" – это количество анкет обучающей выборки, которые идентифицированы как классы, к которым они в действительности не относятся (ошибка идентификации).

"Неидентифицировано верно" – это количество анкет обучающей выборки, которые неидентифицированы как классы, к которым они действительно не относятся.

"Неидентифицировано ошибочно" – это количество анкет обучающей выборки, которые неидентифицированы как классы, к которым они в действительности относятся (ошибка неидентфикации).

В правой части формы приведены те же показатели, но в процентом выражении:

– для анкет, идентифицированных верно и неидентифицированных ошибочно за 100% принимается количество логических анкет обучающей выборки по данному классу;

– для анкет, идентифицированных ошибочно и неидентифицированных верно за 100% принимается суммарное количество логических анкет обучающей выборки за вычетом логических анкет по данному классу.

 

4.2.3.3.2. Внешняя дифференциальная и интегральная валидность

Под внешней валидностью понимается способность модели верно идентифицировать объекты, не входящие в обучающую выборку, но относящиеся к генеральной совокупности, по отношению к которой она репрезентативна.

Для измерения внешней валидности необходимо выполнить следующие действия:

1. В режиме измерения адекватности модели запустить режим измерения внешней валидности (нажав F8 Измерение внешней валидности) (рисунок 41).

2. Выбрать один из режимов удаления объектов обучающей выборки, приведенный на экранной форме (рисунок 47) (бутстрепный метод).

Внешняя валидность модели не измерялась, т.к. по каждому результату выращивания по данным обучающей выборки было представлено, как правило, всего несколько примеров (рисунок 48 и таблица 31).

 

Рисунок 47. Режим переноса анкет обучающей выборки
в распознаваемую для измерения внешней валидности

Рисунок 48. Частотное распределение объектов обучающей выборки по классам (количественным и качественным результатам выращивания различных сортов яблок)

 

Таблица 31 – ЧАСТОТНОЕ РАСПРЕДЕЛЕНИЕ ОБЪЕКТОВ ОБУЧАЮЩЕЙ ВЫБОРКИ ПО КЛАССАМ (КОЛИЧЕСТВЕННЫМ И КАЧЕСТВЕННЫМ РЕЗУЛЬТАТАМ ВЫРАЩИВАНИЯ РАЗЛИЧНЫХ СОРТОВ ЯБЛОК)

Код

Наименование класса

% от кол-ва

примеров

Абс.

кол-во

1

79

Ред Делишес (2-й сорт) - урожай: 1.00

18,000

9

2

87

Старкрымсон (2-й сорт) - урожай: 1.00

16,000

8

3

97

Ренет Шампанское (3-й сорт) - урожай: 1.00

16,000

8

4

76

Джонатан (2-й сорт) - урожай: 1.00

14,000

7

5

90

Джонатан (3-й сорт) - урожай: 0.00

14,000

7

6

92

Ред Делишес (3-й сорт) - урожай: 0.00

14,000

7

7

94

Ренет Симеренко (3-й сорт) - урожай: 0.00

14,000

7

8

99

Старкрымсон (3-й сорт) - урожай: 1.00

12,000

6

9

82

Ренет Симеренко (2-й сорт) - урожай: 1.00

10,000

5

10

84

Ренет Шампанское (2-й сорт) - урожай: 1.00

10,000

5

11

85

Ренет Шампанское (2-й сорт) - урожай: 2.00

8,000

4

12

98

Старкрымсон (3-й сорт) - урожай: 0.00

8,000

4

13

41

Джонатан (1-й сорт) - урожай: 12.00

6,000

3

14

71

Старкрымсон (1-й сорт) - урожай: 14.00

6,000

3

15

83

Ренет Симеренко (2-й сорт) - урожай: 2.00

6,000

3

16

91

Джонатан (3-й сорт) - урожай: 1.00

6,000

3

17

93

Ред Делишес (3-й сорт) - урожай: 1.00

6,000

3

18

95

Ренет Симеренко (3-й сорт) - урожай: 1.00

6,000

3

19

1

Джонатан (всего)    - урожай: 10.00

4,000

2

20

3

Джонатан (всего)    - урожай: 12.00

4,000

2

21

6

Джонатан (всего)    - урожай: 15.00

4,000

2

Код

Наименование класса

% от кол-ва

примеров

Абс.

кол-во

22

10

Ред Делишес (всего)    - урожай: 15.00

4,000

2

23

11

Ред Делишес (всего)    - урожай: 16.00

4,000

2

24

20

Ренет Симеренко (всего)    - урожай: 20.00

4,000

2

25

28

Ренет Шампанское (всего)    - урожай: 17.00

4,000

2

26

35

Старкрымсон (всего)    - урожай: 12.00

4,000

2

27

36

Старкрымсон (всего)    - урожай: 15.00

4,000

2

28

37

Старкрымсон (всего)    - урожай: 16.00

4,000

2

29

43

Джонатан (1-й сорт) - урожай: 14.00

4,000

2

30

46

Джонатан (1-й сорт) - урожай: 9.00

4,000

2

31

48

Ред Делишес (1-й сорт) - урожай: 14.00

4,000

2

32

49

Ред Делишес (1-й сорт) - урожай: 15.00

4,000

2

33

56

Ренет Симеренко (1-й сорт) - урожай: 14.00

4,000

2

34

58

Ренет Симеренко (1-й сорт) - урожай: 18.00

4,000

2

35

61

Ренет Симеренко (1-й сорт) - урожай: 3.00

4,000

2

36

62

Ренет Шампанское (1-й сорт) - урожай: 13.00

4,000

2

37

66

Ренет Шампанское (1-й сорт) - урожай: 20.00

4,000

2

38

67

Ренет Шампанское (1-й сорт) - урожай: 24.00

4,000

2

39

69

Старкрымсон (1-й сорт) - урожай: 11.00

4,000

2

40

72

Старкрымсон (1-й сорт) - урожай: 17.00

4,000

2

41

81

Ренет Симеренко (2-й сорт) - урожай: 0.00

4,000

2

42

96

Ренет Шампанское (3-й сорт) - урожай: 0.00

4,000

2

43

2

Джонатан (всего)    - урожай: 11.00

2,000

1

44

4

Джонатан (всего)    - урожай: 13.00

2,000

1

45

5

Джонатан (всего)    - урожай: 14.00

2,000

1

46

7

Джонатан (всего)    - урожай: 5.00

2,000

1

47

8

Ред Делишес (всего)    - урожай: 10.00

2,000

1

48

9

Ред Делишес (всего)    - урожай: 14.00

2,000

1

49

12

Ред Делишес (всего)    - урожай: 18.00

2,000

1

50

13

Ред Делишес (всего)    - урожай: 19.00

2,000

1

51

14

Ред Делишес (всего)    - урожай: 24.00

2,000

1

52

15

Ред Делишес (всего)    - урожай: 27.00

2,000

1

53

16

Ренет Симеренко (всего)    - урожай: 12.00

2,000

1

54

17

Ренет Симеренко (всего)    - урожай: 15.00

2,000

1

55

18

Ренет Симеренко (всего)    - урожай: 16.00

2,000

1

56

19

Ренет Симеренко (всего)    - урожай: 17.00

2,000

1

57

21

Ренет Симеренко (всего)    - урожай: 22.00

2,000

1

58

22

Ренет Симеренко (всего)    - урожай: 28.00

2,000

1

459

23

Ренет Симеренко (всего)    - урожай: 3.00

2,000

1

60

24

Ренет Симеренко (всего)    - урожай: 4.00

2,000

1

61

25

Ренет Шампанское (всего)    - урожай: 10.00

2,000

1

62

26

Ренет Шампанское (всего)    - урожай: 14.00

2,000

1

63

27

Ренет Шампанское (всего)    - урожай: 15.00

2,000

1

64

29

Ренет Шампанское (всего)    - урожай: 21.00

2,000

1

65

30

Ренет Шампанское (всего)    - урожай: 22.00

2,000

1

66

31

Ренет Шампанское (всего)    - урожай: 23.00

2,000

1

67

32

Ренет Шампанское (всего)    - урожай: 25.00

2,000

1

58

33

Ренет Шампанское (всего)    - урожай: 27.00

2,000

1

69

34

Старкрымсон (всего)    - урожай: 10.00

2,000

1

70

38

Старкрымсон (всего)    - урожай: 18.00

2,000

1

71

39

Старкрымсон (всего)    - урожай: 20.00

2,000

1

Код

Наименование класса

% от кол-ва

примеров

Абс.

кол-во

72

40

Старкрымсон (всего)    - урожай: 9.00

2,000

1

73

42

Джонатан (1-й сорт) - урожай: 13.00

2,000

1

74

44

Джонатан (1-й сорт) - урожай: 3.00

2,000

1

75

45

Джонатан (1-й сорт) - урожай: 7.00

2,000

1

76

47

Ред Делишес (1-й сорт) - урожай: 13.00

2,000

1

77

50

Ред Делишес (1-й сорт) - урожай: 17.00

2,000

1

78

51

Ред Делишес (1-й сорт) - урожай: 18.00

2,000

1

79

52

Ред Делишес (1-й сорт) - урожай: 23.00

2,000

1

80

53

Ред Делишес (1-й сорт) - урожай: 25.00

2,000

1

81

54

Ред Делишес (1-й сорт) - урожай: 9.00

2,000

1

82

55

Ренет Симеренко (1-й сорт) - урожай: 11.00

2,000

1

83

57

Ренет Симеренко (1-й сорт) - урожай: 15.00

2,000

1

84

59

Ренет Симеренко (1-й сорт) - урожай: 19.00

2,000

1

85

60

Ренет Симеренко (1-й сорт) - урожай: 26.00

2,000

1

86

63

Ренет Шампанское (1-й сорт) - урожай: 15.00

2,000

1

87

64

Ренет Шампанское (1-й сорт) - урожай: 16.00

2,000

1

88

65

Ренет Шампанское (1-й сорт) - урожай: 19.00

2,000

1

89

68

Ренет Шампанское (1-й сорт) - урожай: 8.00

2,000

1

90

70

Старкрымсон (1-й сорт) - урожай: 13.00

2,000

1

91

73

Старкрымсон (1-й сорт) - урожай: 7.00

2,000

1

92

74

Старкрымсон (1-й сорт) - урожай: 8.00

2,000

1

93

75

Джонатан (2-й сорт) - урожай: 0.00

2,000

1

94

77

Джонатан (2-й сорт) - урожай: 15.00

2,000

1

95

78

Джонатан (2-й сорт) - урожай: 2.00

2,000

1

96

80

Ред Делишес (2-й сорт) - урожай: 2.00

2,000

1

97

86

Ренет Шампанское (2-й сорт) - урожай: 3.00

2,000

1

98

88

Старкрымсон (2-й сорт) - урожай: 2.00

2,000

1

99

89

Старкрымсон (2-й сорт) - урожай: 3.00

2,000

1

 

Например, из этого распределения видно, что лишь по 18 классам представлено более 2 примеров. Следовательно, для повышения надежности выводов необходимо либо увеличить объем обучающей выборки, либо укрупнить классы.

 

4.2.4. Выводы

Измерение валидности семантической информационной модели объекта исследования показало ее высокую степень адекватности. Это означает, что вполне корректно считать исследование модели объекта изучением самого объекта.

 

 

 

 

4.3. Исследование семантический
информационной модели

 

4.3.1. Прогнозирование результатов выращивания
заданной культуры в заданной точке

Сформулируем задачи, которые должны быть решены перед прогнозированием результатов выращивания плодовых культур:

– определение периодов фенофаз данной культуры в заданной точке;

– определение метеопараметров в заданной точке.

Сразу отметим, что решение этих задач не входит в тематику данной работы и мы будем считать, что они решены.

 

4.3.1.1. Задача определения периодов фенофаз для заданного сорта в данной зоне и микрозоне выращивания

В соответствии с созданной семантической информационной моделью прогнозирование результатов выращивания осуществляется на основе информации о прошлых или прогнозируемых значениях ряда метеопараметров в периоды фенофаз различных сортов.

Однако метеослужбы располагают информацией не по периодам фенофаз, а по дням. Следовательно, для решения задачи прогнозирования необходимо предварительно решить задачу определения наиболее вероятных периодов наступления и окончания фенофаз для заданной культуры и сорта по известным метеопараметрам в течение ряда лет.

 

4.3.1.2. Задача определения значений метеопараметров в заданной точке по их значениям в трех ближайших метеостанциях

Метеопараметры измеряются метеостанциями не в потенциальных точках выращивания, а в местах нахождения метеостанций. Поэтому перед тем, как определять периоды фенофаз для того или иного сорта в некоторой заданной потенциальной точке выращивания необходимо предварительно решить задачу определения значений метеопараметров в данной точке путем пространственной интерполяции их значений в трех ближайших к данной точке метеостанциях.

 

4.3.1.3. Прогнозирование результатов выращивания заданной культуры в заданной точке

Рассмотрим прогнозирование результата выращивания сорта Старкрымсон (2-й сорт), урожайность 1.00, который имеет наиболее высокую дифференциальную валидность (75% при 2 засчитываемых классах) (рисунок 49).

Рисунок 49. Дифференциальная валидность результатов
выращивания (сортировка в порядке убывания)

 

Для выполнения прогнозирования заполним карточку прогнозирования кодами метеофакторов в соответствии с справочником описательных шкал и градаций. При этом получим карточку вида, представленную в таблице 32, а затем вводим ее в систему и запускаем режим прогнозирования.

 

Таблица 32 – А  Н  К  Е  Т  А   распознаваемой выборки 
N° 15 1995

22-05-04  13:59:05                                                 г.Краснодар

==============================================================================

|              К о д ы   п е р в и ч н ы х   п р и з н а к о в               |

==============================================================================

|    4   10   13   18   24   28   33   36   44   46   51   64   69   71   76 |

|   83   87   96  101  106  111  116  121  121  121  121  130  131  131  131 |

|  131  131  136  136  136  136  141  141  141  141  141  146  151  159  166 |

|  166  166  166  166  171  171  171  171  171  176  176  176  176  181  181 |

|  181  181  181  186  186  186  186  191  191  191  191  191  196  201  201 |

|  201  201  206  206  206  206  206  211  211  211  211  211  217  226  232 |

==============================================================================

==============================================================================

|              К о д ы   п е р в и ч н ы х   п р и з н а к о в               |

==============================================================================

|  240  241  250  251  258  265  268  275  280  290  295  300  303  306  315 |

|  316  321  326  326  326  326  331  331  331  331  331  336  336  336  336 |

|  336  341  341  341  341  346  346  346  346  346  351  351  351  351  356 |

|  356  356  356  356  361  366  371  376  381  381  381  381  386  386  386 |

|  386  386  391  391  391  391  396  396  396  396  396  401  401  401  401 |

|  406  406  406  406  406  411  416  416  416  416  416  421  421  421  421 |

|  426  426  426  426  426  431  437  446  455  458  462  468  471  482  486 |

|  493  500  504  511  520  524  526  532  536  541  541  541  541  541  546 |

|  546  546  546  551  551  551  551  551  556  556  556  556  561  561  561 |

|  561  561  566  566  566  566  571  571  571  571  571  576  576  576  576 |

|  576  581  581  581  581  587  591  596  596  596  596  596  601  601  601 |

|  601  606  606  606  606  606  611  611  611  611  616  616  616  616  616 |

|  621  621  621  621  621  631  636  641  641  641  641  641  647  652  657 |

|  661  672  679  684  687  694  697  703  706  711  720  724  734  741  747 |

|  751  756  756  756  756  756  761  761  761  761  766  766  766  766  766 |

|  771  771  771  771  776  776  776  776  776  781  781  781  781  781  786 |

|  786  786  786  791  791  791  791  791  796  796  796  796  803  806  811 |

|  811  811  811  811  816  816  816  816  821  821  821  821  821  826  826 |

|  826  826  826  831  831  831  831  836  836  836  836  836  841  841  841 |

|  841  846  851  856  856  856  856  856  864  870  879  885  886  895  896 |

|  904  908  911  917  925  930  936  943  948  951  951  951  951  951  956 |

|  961  966  971  971  971  971  976  976  976  976  976  981  981  981  981 |

|  986  986  986  986  986  991  991  991  991  996  996  996  996  996 1001 |

| 1001 1001 1001 1001 1006 1006 1006 1006 1011 1011 1011 1011 1011 1018 1021 |

| 1021 1021 1021 1026 1026 1026 1026 1026 1031 1031 1031 1031 1036 1036 1036 |

| 1036 1036 1041 1041 1041 1041 1041 1046 1046 1046 1046 1051 1051 1051 1051 |

| 1051 1056 1061 1066 1071 1071 1071 1071 1078 1084 1087 1092 1098 1103 1110 |

| 1119 1121 1127 1132 1139 1144 1149 1155 1158 1161 1166 1176 1181 1181 1181 |

| 1181 1181 1186 1186 1186 1186 1186 1196 1196 1196 1196 1196 1201 1201 1201 |

| 1201 1201 1206 1206 1206 1206 1211 1211 1211 1211 1211 1216 1216 1216 1216 |

| 1221 1221 1221 1221 1221 1226 1226 1226 1226 1226 1236 1236 1236 1236 1236 |

| 1241 1241 1241 1241 1241 1246 1246 1246 1246 1251 1251 1251 1251 1251 1256 |

| 1256 1256 1256 1261 1261 1261 1261 1261 1266 1266 1266 1266 1266 1276 1281 |

| 1286 1286 1286 1286 1286 1295 1300 1310 1314 1324 1328 1341 1346 1353 1358 |

| 1363 1366 1372 1376 1381 1386 1386 1386 1386 1391 1396 1396 1396 1396 1396 |

| 1401 1401 1401 1401 1406 1406 1406 1406 1406 1411 1411 1411 1411 1416 1416 |

| 1416 1416 1416 1421 1421 1421 1421 1421 1426 1426 1426 1426 1431 1431 1431 |

| 1431 1431 1436 1436 1436 1436 1441 1441 1441 1441 1441 1448 1451 1451 1451 |

| 1451 1456 1456 1456 1456 1456 1461 1461 1461 1461 1461 1466 1466 1466 1466 |

| 1471 1471 1471 1471 1471 1476 1476 1476 1476 1481 1481 1481 1481 1481 1486 |

| 1491 1496 1501 1501 1501 1501 1509 1511 1518 1524 1530 1534 1538 1545 1559 |

| 1564 1569 1571 1580 1583 1587 1593 1604 1608 1612 1620 1621 1626 1635 1636 |

| 1636 1636 1636 1636 1641 1641 1641 1641 1646 1646 1646 1646 1646 1651 1656 |

| 1665 1668 1676 1676 1676 1676 1676 1681 1681 1681 1681 1681 1686 1696 1702 |

| 1707 1713 1716 1716 1716 1716 1716 1725 1729 1740 1745 1749 1753 1757 1758 |

| 1765 1766 1771 1776 1784 1792 1798 1802 1806 1817 1822 1826 1831 1831 1831 |

| 1831 1836 1841 1841 1841 1841 1841 1846 1846 1846 1846 1846 1851 1851 1851 |

| 1851 1856 1856 1856 1856 1856 1861 1861 1861 1861 1866 1871 1871 1871 1871 |

| 1871 1880 1881 1886 1891 1891 1891 1891 1896 1896 1896 1896 1896 1901 1901 |

| 1901 1901 1906 1911 1911 1911 1911 1911 1916 1923 1924 1931 1931 1931 1931 |

| 1931 1940 1944 1949 1955 1960 1964 1972 1979 1981 1986 1991 1997 2005 2006 |

| 2018 2022 2031 2041 2046 2046 2046 2046 2046 2051 2051 2051 2051 2051 2056 |

| 2056 2056 2056 2061 2061 2061 2061 2061 2066 2066 2066 2066 2071 2071 2071 |

| 2071 2071 2076 2076 2076 2076 2081 2081 2081 2081 2081 2086 2086 2086 2086 |

| 2086 2094 2096 2096 2096 2096 2101 2101 2101 2101 2101 2106 2106 2106 2106 |

| 2111 2111 2111 2111 2111 2116 2116 2116 2116 2121 2121 2121 2121 2121 2126 |

| 2126 2126 2126 2126 2131 2141 2146 2146 2146 2146 2146 2154 2160 2161 2169 |

| 2175 2185 2186 2194 2196 2201 2206 2215 2220 2225 2229 2234 2247 2252 2256 |

| 2261 2261 2261 2261 2261 2266 2266 2266 2266 2271 2271 2271 2271 2271 2276 |

| 2276 2276 2276 2276 2281 2281 2281 2281 2286 2286 2286 2286 2286 2291 2291 |

| 2291 2291 2296 2301 2301 2301 2301 2301 2306 2311 2316 2316 2316 2316 2321 |

| 2321 2321 2321 2321 2326 2326 2326 2326 2331 2331 2331 2331 2331 2336 2336 |

| 2336 2336 2336 2341 2341 2341 2341 2346 2351 2356 2356 2356 2356 2356 2361 |

| 2361 2361 2361 2369 2375 2378 2384 2388 2394 2398 2407 2413 2417 2423 2430 |

==============================================================================

==============================================================================

|              К о д ы   п е р в и ч н ы х   п р и з н а к о в               |

==============================================================================

| 2434 2440 2445 2447 2452 2456 2456 2456 2456 2463 2468 2474 2480 2481 2486 |

| 2495 2496 2496 2496 2496 2501 2501 2501 2501 2501 2506 2506 2506 2506 2511 |

| 2516 2522 2527 2531 2536 2536 2536 2536 2536 2541 2541 2541 2541 2546 2551 |

| 2556 2561 2566 2571 2571 2571 2571 2576 2576 2576 2576 2576 2584 2587 2593 |

| 2600 2609 2613 2620 2624 2628 2632 2637 2644 2650 2659 2662 2683 2687 2688 |

| 2695 2696 2701 2710 2711 2711 2711 2711 2716 2716 2716 2716 2716 2721 2721 |

| 2721 2721 2721 2726 2740 2743 2746 2751 2751 2751 2751 2751 2756 2756 2756 |

| 2756 2761 2766 2771 2777 2783 2784 2786 2791 2791 2791 2791                |

==============================================================================

Универсальная когнитивная аналитическая система                    НПП *ЭЙДОС*

 

В нашем примере эти карточки распознавания совпадают с использованными в обучающей выборке (обучающая выборка была скопирована в распознаваемую для измерения внутренней валидности модели). Поэтому мы эту карточку не заполняли, а нашли в распознаваемой выборке. Для этого в форме ValAnkSе.txt находим фрагмент, посвященный прогнозированию интересующего нас результата выращивания по заданному сорту (таблица 33):

 

Таблица 33 – А  Н  К  Е  Т  Ы   распознаваемой выборки

Класс распознавания: 87 - СТАРКРЫМСОН (2-Й СОРТ) - УРОЖАЙ: 1.00

Результат идентификации: Верная идентификация

Минимальный уровень сходства:  0.0  Максимальное кол-во классов:     2

22-05-04  14:00:30                                                    г.Краснодар

=================================================================================

¦       К о д ы   а н к е т   р а с п о з н а в а е м о й    в ы б о р к и      ¦

¦-------------------------------------------------------------------------------¦

¦    10    15    20    25    45    50                                           ¦

=================================================================================

Универсальная когнитивная аналитическая система                       НПП *ЭЙДОС*

 

Затем выводим результаты прогнозирования используя соответствующий режим системы "Эйдос" (рисунок 50), получаем карточку в выходной форме (рисунок 51) и в таблице 34.

 

Рисунок 50. Запуск режима
вывода результатов
прогнозирования

Рисунок 51. Вывод карточки
результатов прогнозирования
(экранная форма)

Таблица 34 – РЕЗУЛЬТАТ ИДЕНТИФИКАЦИИ
ИНФОРМАЦИОННОГО ИСТОЧНИКА

22-05-04                                        14:33:20

========================================================

¦ Номер анкеты: 15 Наим.физ.ист.: 15 1995 Качество: 16%¦

========================================================

¦Код ¦ Наименование класса распознавания          ¦ %Сх¦

========================================================

¦  87¦Старкрымсон (2-й сорт) - урожай: 1.00.......¦  12¦

¦  98¦Старкрымсон (3-й сорт) - урожай: 0.00.......¦  

¦  36¦Старкрымсон (всего)    - урожай: 15.00......¦  

¦  71¦Старкрымсон (1-й сорт) - урожай: 14.00......¦  

¦  99¦Старкрымсон (3-й сорт) - урожай: 1.00.......¦  

¦  90¦Джонатан (3-й сорт) - урожай: 0.00..........¦  

========================================================

¦  79¦Ред Делишес (2-й сорт) - урожай: 1.00.......¦  -2¦

¦  84¦Ренет Шампанское (2-й сорт) - урожай: 1.00..¦  -2¦

¦  92¦Ред Делишес (3-й сорт) - урожай: 0.00.......¦  -2¦

¦  76¦Джонатан (2-й сорт) - урожай: 1.00..........¦  -3¦

¦  94¦Ренет Симеренко (3-й сорт) - урожай: 0.00...¦  -4¦

¦  82¦Ренет Симеренко (2-й сорт) - урожай: 1.00...¦  -5¦

¦  85¦Ренет Шампанское (2-й сорт) - урожай: 2.00..¦  -5¦

¦  11¦Ред Делишес (всего)    - урожай: 16.00......¦  -6¦

¦  49¦Ред Делишес (1-й сорт) - урожай: 15.00......¦  -6¦

¦  83¦Ренет Симеренко (2-й сорт) - урожай: 2.00...¦  -7¦

¦  20¦Ренет Симеренко (всего)    - урожай: 20.00..¦  -7¦

¦  58¦Ренет Симеренко (1-й сорт) - урожай: 18.00..¦  -7¦

¦  95¦Ренет Симеренко (3-й сорт) - урожай: 1.00...¦  -7¦

¦  93¦Ред Делишес (3-й сорт) - урожай: 1.00.......¦  -7¦

¦  41¦Джонатан (1-й сорт) - урожай: 12.00.........¦  -8¦

¦  62¦Ренет Шампанское (1-й сорт) - урожай: 13.00.¦  -8¦

¦  43¦Джонатан (1-й сорт) - урожай: 14.00.........¦  -8¦

¦   6¦Джонатан (всего)    - урожай: 15.00.........¦ -10¦

¦  35¦Старкрымсон (всего)    - урожай: 12.00......¦ -11¦

¦  69¦Старкрымсон (1-й сорт) - урожай: 11.00......¦ -11¦

¦  66¦Ренет Шампанское (1-й сорт) - урожай: 20.00.¦ -11¦

¦  96¦Ренет Шампанское (3-й сорт) - урожай: 0.00..¦ -11¦

¦  72¦Старкрымсон (1-й сорт) - урожай: 17.00......¦ -11¦

¦  67¦Ренет Шампанское (1-й сорт) - урожай: 24.00.¦ -11¦

¦  28¦Ренет Шампанское (всего)    - урожай: 17.00.¦ -11¦

¦  37¦Старкрымсон (всего)    - урожай: 16.00......¦ -12¦

¦  61¦Ренет Симеренко (1-й сорт) - урожай: 3.00...¦ -12¦

¦  81¦Ренет Симеренко (2-й сорт) - урожай: 0.00...¦ -12¦

¦  56¦Ренет Симеренко (1-й сорт) - урожай: 14.00..¦ -12¦

¦  91¦Джонатан (3-й сорт) - урожай: 1.00..........¦ -13¦

¦   3¦Джонатан (всего)    - урожай: 12.00.........¦ -13¦

¦  10¦Ред Делишес (всего)    - урожай: 15.00......¦ -14¦

¦  48¦Ред Делишес (1-й сорт) - урожай: 14.00......¦ -14¦

¦   1¦Джонатан (всего)    - урожай: 10.00.........¦ -15¦

¦  46¦Джонатан (1-й сорт) - урожай: 9.00..........¦ -15¦

========================================================

В верхней части карточки прогнозирования и выходной формы представлены классы распознавания в порядке убывания вероятности осуществления, а в нижней – в порядке возрастания вероятности неосуществления.

 

4.3.2. Поддержка принятия решений по рациональному выбору зон и микрозон выращивания данной культуры и сорта

 

В результате решения двух задач, сформулированных выше, создаются все условия для решения задачи прогнозирования количественных и качественных результатов выращивания заданного сорта в данной точке.

Эта задача решается для заданного сорта для всех потенциальных точек выращивания, в общем случае – для всех точек, находящихся в узлах некоторой регулярной (с одинаковым шагом) решетки на карте.

Результаты оценки пригодности различных географических точек для выращивания заданного сорта могут быть визуализированы в форме карт с использованием геоинформационных технологий. Для ряда косточковых плодовых культур эта работа выполнена под руководством профессора И.А. Драгавцевой [6], но для семечковых, в частности яблок, насколько нам известно, конкретные предпосылки для решения этих задач впервые создаются именно данной работой.

 

4.3.3. Поддержка принятия решений по рациональному выбору культур для выращивания в данной зоне
и микрозоне

 

Предпосылки для решения задачи выбору культур для выращивания в данной зоне и микрозоне, также как и предыдущей задачи, создаются в результате решения двух задач, сформулированных выше в данной работе.

Эта задача может быть решена для заданной точки выращивания для всех потенциальных сортов с использованием моделей и технологии, описанных в данной работе.

 

4.3.4. Кластерно-конструктивный
и системно-когнитивный
анализ результатов выращивания и факторов

Эти возможности обеспечиваются режимами 5-й подсистемы "Типология" (рисунок 52).

 

Рисунок 52. Режимы подсистемы типологического
анализа классов и факторов

 

Кластерный анализ классов показывает, какие качественные и количественные результаты выращивания различных сортов детерминируются (вызываются) сходными системами факторов, и могут быть получены одновременно, а какие противоположными, несовместимыми и одновременно недостижимыми. Результаты кластерного анализа классов и факторов выводятся в форме таблиц (таблицы 35 и 36) и в форме семантических сетей (рисунок 53).

 

 

Таблица 35 – МАТРИЦА СХОДСТВА КЛАССОВ (%) (ФРАГМЕНТ)

22-05-04  16:35:47                                               г.Краснодар

============================================================================

| Коды |   1    3    6   10   11   20   28   35   36   37   41   43 |Уровни|

============================================================================

|    1 | 100   12   17   11    8   15    9    3    8   28    4   18 |      |

|    3 |  12  100   16   12   29   14   17   39    9   17   64   12 |      |

|    6 |  17   16  100   22   11   41   22   13   23   20    1   45 |      |

|   10 |  11   12   22  100   13   14   37   12    9   16    5   20 |      |

|   11 |   8   29   11   13  100   41   13   21   22   14   10   50 |      |

|   20 |  15   14   41   14   41  100   10   22   25   13    1   48 |      |

|   28 |   9   17   22   37   13   10  100   13   18   30    5   26 |      |

|   35 |   3   39   13   12   21   22   13  100   13   13   20    7 |      |

|   36 |   8    9   23    9   22   25   18   13  100    3    8   19 |      |

|   37 |  28   17   20   16   14   13   30   13    3  100    4   14 |      |

|   41 |   4   64    1    5   10    1    5   20    8    4  100   -4 |      |

|   43 |  18   12   45   20   50   48   26    7   19   14   -4  100 |      |

============================================================================

Универсальная когнитивная аналитическая система                  НПП *ЭЙДОС*

 

На основе матрицы сходства формируются таблицы кластеров и конструктов (таблица 65).

 

Таблица 36 – КЛАСТЕРЫ И КОНСТРУКТЫ КЛАССОВ

22-05-04  16:36:25      Фильтр по кодам классов: 1-99               г.Краснодар

===============================================================================

|  N° |Уровень|  Код  |       Н  а  и  м  е  н  о  в  а  н  и  е     | Сход-  |

|класт|класса |класса |    к л а с с а    р а с п о з н а в а н и я  | ство % |

|=============================================================================|

|   1 |    0  |    1  | Джонатан (всего)    - урожай: 10.00..........|  100.00|

|     |    0  |   46  | Джонатан (1-й сорт) - урожай: 9.00...........|   46.75|

|     |    0  |   61  | Ренет Симеренко (1-й сорт) - урожай: 3.00....|   42.82|

|     |    0  |   81  | Ренет Симеренко (2-й сорт) - урожай: 0.00....|   42.82|

|     |    0  |   91  | Джонатан (3-й сорт) - урожай: 1.00...........|   38.67|

|     |    0  |   95  | Ренет Симеренко (3-й сорт) - урожай: 1.00....|   30.20|

|     |    0  |   37  | Старкрымсон (всего)    - урожай: 16.00.......|   27.63|

|     |    0  |   62  | Ренет Шампанское (1-й сорт) - урожай: 13.00..|   26.63|

|     |    0  |   96  | Ренет Шампанское (3-й сорт) - урожай: 0.00...|   22.72|

|     |    0  |   67  | Ренет Шампанское (1-й сорт) - урожай: 24.00..|   20.23|

|     |    0  |   43  | Джонатан (1-й сорт) - урожай: 14.00..........|   18.40|

|     |    0  |    6  | Джонатан (всего)    - урожай: 15.00..........|   17.21|

|     |    0  |   66  | Ренет Шампанское (1-й сорт) - урожай: 20.00..|   16.70|

|     |    0  |   82  | Ренет Симеренко (2-й сорт) - урожай: 1.00....|   15.86|

|     |    0  |   20  | Ренет Симеренко (всего)    - урожай: 20.00...|   14.54|

|     |    0  |   58  | Ренет Симеренко (1-й сорт) - урожай: 18.00...|   14.54|

|     |    0  |   72  | Старкрымсон (1-й сорт) - урожай: 17.00.......|   13.39|

|     |    0  |   56  | Ренет Симеренко (1-й сорт) - урожай: 14.00...|   13.31|

|     |    0  |   93  | Ред Делишес (3-й сорт) - урожай: 1.00........|   12.33|

|     |    0  |    3  | Джонатан (всего)    - урожай: 12.00..........|   11.66|

|     |    0  |   71  | Старкрымсон (1-й сорт) - урожай: 14.00.......|   11.37|

|     |    0  |   10  | Ред Делишес (всего)    - урожай: 15.00.......|   10.60|

|     |    0  |   48  | Ред Делишес (1-й сорт) - урожай: 14.00.......|   10.60|

|     |    0  |   28  | Ренет Шампанское (всего)    - урожай: 17.00..|    9.07|

|     |    0  |   11  | Ред Делишес (всего)    - урожай: 16.00.......|    8.26|

|     |    0  |   49  | Ред Делишес (1-й сорт) - урожай: 15.00.......|    8.26|

|     |    0  |   36  | Старкрымсон (всего)    - урожай: 15.00.......|    7.69|

|     |    0  |   94  | Ренет Симеренко (3-й сорт) - урожай: 0.00....|    5.65|

|     |    0  |   84  | Ренет Шампанское (2-й сорт) - урожай: 1.00...|    4.05|

|     |    0  |   41  | Джонатан (1-й сорт) - урожай: 12.00..........|    3.52|

|     |    0  |   35  | Старкрымсон (всего)    - урожай: 12.00.......|    2.80|

|     |    0  |   69  | Старкрымсон (1-й сорт) - урожай: 11.00.......|    2.80|

|     |    0  |   76  | Джонатан (2-й сорт) - урожай: 1.00...........|    1.14|

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

|     |    0  |   83  | Ренет Симеренко (2-й сорт) - урожай: 2.00....|   -0.10|

|     |    0  |   98  | Старкрымсон (3-й сорт) - урожай: 0.00........|   -0.15|

|     |    0  |   79  | Ред Делишес (2-й сорт) - урожай: 1.00........|   -2.41|

|     |    0  |   90  | Джонатан (3-й сорт) - урожай: 0.00...........|   -2.84|

|     |    0  |   92  | Ред Делишес (3-й сорт) - урожай: 0.00........|   -3.02|

|     |    0  |   85  | Ренет Шампанское (2-й сорт) - урожай: 2.00...|   -4.92|

|     |    0  |   99  | Старкрымсон (3-й сорт) - урожай: 1.00........|   -9.04|

|     |    0  |   97  | Ренет Шампанское (3-й сорт) - урожай: 1.00...|  -11.07|

|     |    0  |   87  | Старкрымсон (2-й сорт) - урожай: 1.00........|  -16.04|

===============================================================================

Универсальная когнитивная аналитическая система                     НПП *ЭЙДОС*

 

В графической форме результаты кластерно-конструктив-ного анализа отображаются в виде семантических сетей (рисунок 113).

 

Рисунок 53. Семантическая сеть классов

 

Аналогичные формы генерируются и по факторам (таблицы 37 и 38).

 

 

Таблица 37 – МАТРИЦА СХОДСТВА ПРИЗНАКОВ (в %) (ФРАГМЕНТ)

21-05-04  11:31:21                                               г.Краснодар

============================================================================

| Коды |   3   14   18   34   36   38   44   46   51   64   68   69 |Уровни|

============================================================================

|    3 | 100   49   77   35  -12   21   39  -21  -27   19    3   18 |      |

|   14 |  49  100   33   31    4   42   51  -14  -22    3    8    6 |      |

|   18 |  77   33  100   29   -6   10   22  -12  -19   13    8   14 |      |

|   34 |  35   31   29  100    5   21   28   -9  -11    8  -27   -8 |      |

|   36 | -12    4   -6    5  100  -38   32   21   16   -5   32  -17 |      |

|   38 |  21   42   10   21  -38  100    9   10   -4   -6   -9   -7 |      |

|   44 |  39   51   22   28   32    9  100   -1    5  -23   27  -24 |      |

|   46 | -21  -14  -12   -9   21   10   -1  100   52    9   17    1 |      |

|   51 | -27  -22  -19  -11   16   -4    5   52  100    6   20    5 |      |

|   64 |  19    3   13    8   -5   -6  -23    9    6  100  -36   86 |      |

|   68 |   3    8    8  -27   32   -9   27   17   20  -36  100  -37 |      |

|   69 |  18    6   14   -8  -17   -7  -24    1    5   86  -37  100 |      |

============================================================================

Универсальная когнитивная аналитическая система                  НПП *ЭЙДОС*

 

 

 

Таблица 38 – КОНСТРУКТЫ  И  КЛАСТЕРЫ  ФАКТОРОВ (ФРАГМЕНТ)

22-05-04  16:36:44      Фильтр по кодам признаков: 3-2791  г.Краснодар

======================================================================

|  N° |Уровень| Коды  |  Н  а  и  м  е  н  о  в  а  н  и  я | Сход-  |

|класт|признак|приз-ов|  ОБОБЩЕННЫХ  и  первичных признаков | ство % |

|=====================================================================

|     |    0  |[   3] | 01TVOZDMIN                          |        |

|   2 |    0  |   14  | 01TVOZDMIN: {-1.240, 1.680}.........|  100.00|

|     |    0  |[  75] | 02ATM_13                            |        |

|     |    0  |  372  | 02ATM_13: {2.000, 4.000}............|   59.48|

|     |    0  |[ 521] | 13TPOCHMAX                          |        |

|     |    0  | 2604  | 13TPOCHMAX: {53.360, 56.480}........|   58.88|

|     |    0  |[ 189] | 05VETER_AZ                          |        |

|     |    0  |  943  | 05VETER_AZ: {108.000, 162.000}......|   55.32|

|     |    0  |[ 347] | 09TVOZDMIN                          |        |

|     |    0  | 1733  | 09TVOZDMIN: {-2.900, -0.400}........|   53.91|

|     |    0  |[ 528] | 13OSAD_SUT                          |        |

|     |    0  | 2637  | 13OSAD_SUT: {1.594, 2.148}..........|   52.49|

|     |    0  |[ 353] | 09VLABS                             |        |

|     |    0  | 1763  | 09VLABS: {12.504, 13.606}...........|   52.46|

|     |    0  |[   9] | 01VLABS                             |        |

|     |    0  |   44  | 01VLABS: {7.384, 8.472}.............|   51.43|

|     |    0  |[   1] | 01TVOZDSR                           |        |

|     |    0  |    3  | 01TVOZDSR: {5.324, 8.746}...........|   48.93|

|     |    0  |[  94] | 03VLOTNMIN                          |        |

|     |    0  |  468  | 03VLOTNMIN: {42.600, 55.400}........|   47.63|

|     |    0  |[ 350] | 09TPOCHMIN                          |        |

|     |    0  | 1748  | 09TPOCHMIN: {-4.100, -1.400}........|   45.25|

|     |    0  |[ 524] | 13VLOTNMIN                          |        |

|     |    0  | 2620  | 13VLOTNMIN: {26.920, 32.000}........|   42.86|

|     |    0  |[ 530] | 13DAVL_SEA                          |        |

|     |    0  | 2650  | 13DAVL_SEA: {1017.746, 1018.580}....|   42.74|

|     |    0  |[   8] | 01VLOTNMIN                          |        |

|     |    0  |   38  | 01VLOTNMIN: {35.800, 45.200}........|   41.61|

|     |    0  |[ 339] | 08ATM_19                            |        |

|     |    0  | 1691  | 08ATM_19: {0.000, 0.400}............|   40.39|

|     |    0  |[ 554] | 13ATM_19                            |        |

|     |    0  | 2766  | 13ATM_19: {0.000, 0.400}............|   39.87|

|     |    0  |[ 275] | 07VETER_AZ                          |        |

|     |    0  | 1372  | 07VETER_AZ: {126.256, 168.942}......|   39.76|

|     |    0  |[ 447] | 11VETER_AZ                          |        |

|     |    0  | 2234  | 11VETER_AZ: {176.730, 235.640}......|   38.83|

|     |    0  |[ 533] | 13VETER_AZ                          |        |

|     |    0  | 2662  | 13VETER_AZ: {173.626, 185.022}......|   38.14|

|     |    0  |[ 233] | 06VETER_SK                          |        |

|     |    0  | 1162  | 06VETER_SK: {4.420, 6.460}..........|   37.43|

|     |    0  |[ 341] | 08ATM_21                            |        |

|     |    0  | 1702  | 08ATM_21: {6.400, 8.800}............|   37.02|

|     |    0  |[ 392] | 10TPOCHMAX                          |        |

|     |    0  | 1959  | 10TPOCHMAX: {45.020, 50.560}........|   36.79|

|     |    0  |[ 482] | 12VLABS                             |        |

|     |    0  | 2408  | 12VLABS: {6.718, 7.402}.............|   36.52|

|     |    0  |[ 538] | 13ATM_03                            |        |

|     |    0  | 2687  | 13ATM_03: {1.000, 2.000}............|   35.93|

|     |    0  |[ 511] | 12ATM_19                            |        |

|     |    0  | 2551  | 12ATM_19: {0.000, 0.400}............|   35.42|

|     |    0  |[ 396] | 10VLABS                             |        |

|     |    0  | 1979  | 10VLABS: {16.180, 18.480}...........|   34.00|

|=====================================================================

======================================================================

|  N° |Уровень| Коды  |  Н  а  и  м  е  н  о  в  а  н  и  я | Сход-  |

|класт|признак|приз-ов|  ОБОБЩЕННЫХ  и  первичных признаков | ство % |

|=====================================================================

|     |    0  |[ 323] | 08ATM_03                            |        |

|     |    0  | 1612  | 08ATM_03: {1.000, 2.000}............|   33.20|

|     |    0  |[ 477] | 12TPOCHSR                           |        |

|     |    0  | 2384  | 12TPOCHSR: {1.230, 2.740}...........|   33.09|

|     |    0  |[ 144] | 04OBL_VSEG                          |        |

|     |    0  |  720  | 04OBL_VSEG: {6.240, 7.800}..........|   33.07|

|     |    0  |[ 476] | 12TVOZDMIN                          |        |

|     |    0  | 2378  | 12TVOZDMIN: {-15.780, -13.620}......|   32.79|

|     |    0  |[ 519] | 13TVOZDMIN                          |        |

|     |    0  | 2593  | 13TVOZDMIN: {-15.780, -13.620}......|   32.79|

|     |    0  |[ 403] | 10OBL_DOWN                          |        |

|     |    0  | 2012  | 10OBL_DOWN: {1.360, 2.520}..........|   32.70|

|     |    0  |[   4] | 01TPOCHSR                           |        |

|     |    0  |   18  | 01TPOCHSR: {6.166, 10.064}..........|   32.69|

|     |    0  |[ 402] | 10OBL_VSEG                          |        |

|     |    0  | 2008  | 10OBL_VSEG: {3.668, 5.002}..........|   32.43|

|     |    0  |[ 475] | 12TVOZDMAX                          |        |

|     |    0  | 2375  | 12TVOZDMAX: {20.320, 22.600}........|   32.14|

|     |    0  |[ 223] | 06VLOTNMIN                          |        |

|     |    0  | 1111  | 06VLOTNMIN: {25.000, 31.600}........|   32.04|

|     |    0  |[  60] | 02VETER_AZ                          |        |

|     |    0  |  299  | 02VETER_AZ: {162.000, 216.000}......|   31.23|

|     |    0  |[  61] | 02VETER_SK                          |        |

|     |    0  |  303  | 02VETER_SK: {4.920, 7.380}..........|   31.13|

|     |    0  |[   7] | 01VLOTNSR                           |        |

|     |    0  |   34  | 01VLOTNSR: {72.230, 79.070}.........|   30.79|

|     |    0  |[ 118] | 03ATM_13                            |        |

|     |    0  |  588  | 03ATM_13: {2.400, 3.600}............|   30.65|

|     |    0  |[ 415] | 10ATM_09                            |        |

|     |    0  | 2071  | 10ATM_09: {0.000, 0.000}............|  -30.53|

|     |    0  |[ 423] | 10ATM_17                            |        |

|     |    0  | 2111  | 10ATM_17: {0.000, 0.000}............|  -30.53|

|     |    0  |[ 160] | 04ATM_12                            |        |

|     |    0  |  796  | 04ATM_12: {0.000, 0.000}............|  -31.25|

|     |    0  |[ 164] | 04ATM_16                            |        |

|     |    0  |  816  | 04ATM_16: {0.000, 0.000}............|  -31.25|

|     |    0  |[ 153] | 04ATM_05                            |        |

|     |    0  |  761  | 04ATM_05: {0.000, 0.000}............|  -31.90|

|     |    0  |[ 169] | 04ATM_21                            |        |

|     |    0  |  841  | 04ATM_21: {0.000, 0.000}............|  -31.90|

|     |    0  |[ 264] | 07TPOCHMIN                          |        |

|     |    0  | 1318  | 07TPOCHMIN: {4.020, 7.280}..........|  -32.32|

|     |    0  |[ 332] | 08ATM_12                            |        |

|     |    0  | 1656  | 08ATM_12: {0.000, 0.200}............|  -32.54|

|     |    0  |[ 551] | 13ATM_16                            |        |

|     |    0  | 2751  | 13ATM_16: {0.000, 0.000}............|  -33.83|

|     |    0  |[ 455] | 11ATM_06                            |        |

|     |    0  | 2271  | 11ATM_06: {0.000, 0.000}............|  -33.89|

|     |    0  |[ 467] | 11ATM_18                            |        |

|     |    0  | 2331  | 11ATM_18: {0.000, 0.000}............|  -34.48|

|     |    0  |[ 508] | 12ATM_16                            |        |

|     |    0  | 2536  | 12ATM_16: {0.000, 0.000}............|  -38.01|

|     |    0  |[ 453] | 11ATM_04                            |        |

|     |    0  | 2261  | 11ATM_04: {0.000, 0.000}............|  -39.30|

|     |    0  |[ 461] | 11ATM_12                            |        |

|     |    0  | 2301  | 11ATM_12: {0.000, 0.000}............|  -39.30|

======================================================================

Система обеспечивает сравнение влияния двух факторов на количественные и качественные результаты выращивания яблок (рисунок 54).

 

Рисунок 54. Сравнение влияния двух факторов на количественные
и качественные результаты выращивания яблок

 

4.3.5. Выводы

 

Таким образом, можно сделать вывод о том, что предложенная семантическая модель и технология СК-анализа обеспечили решение следующих задач: прогнозирование результатов выращивания заданной культуры в заданной точке; поддержка принятия решений по рациональному выбору зон и микрозон выращивания данной культуры и сорта; поддержка принятия решений по рациональному выбору культур для выращивания в данной зоне и микрозоне; кластерно-конструктивный и системно-когнитивный анализ результатов выращивания и факторов.

 

4.4. Эффективность применения полученного решения, его ограничения и перспективы развития

 

4.4.1. Применение в проектных организациях

На сегодняшний день в Краснодарском крае нет ни одного сортоучастка, где абрикос давал бы более 4-х урожаев за 10 лет [6]. Госсортосеть рекомендует к закладке садов сорта по данным эмпирических испытаний, без учета и анализа их адаптивного потенциала и природно-ресурсного потенциала конкретного пункта. Эти рекомендации с аналогичными данными НИИ используются при разработке проектов закладки садов проектными организациями, например, по Краснодарскому краю ОАО "Краснодарагроспецпроект". Применение проектными организациями технологий, подобных описанных в данной работе, позволило бы снизить затраты на разработку проектов садов и повысить качество проектов, что дало бы соответствующий экономический эффект как текущий, так и в долгосрочной перспективе за счет повышения эффективности садов.

 

4.4.2. Применение в производственных организациях

Применение предложенной технологии в производственных организациях, например, в самой ЗАО Агрофирме "Сад Гигант", по нашему мнению позволит разрабатывать более точные прогнозы результатов деятельности, что повысит адекватность решений по способу использования произведенной продукции позволит заблаговременно подготовить для этого ресурсы и другие условия. Это касается и условий хранения и переработки продукции, и заключения фьючерсных сделок на ее реализацию.

 

4.4.3. Применение в образовательных учреждениях

В образовательных учреждениях, прежде всего в Кубанском государственном аграрном университете, проведенная работа может стать основой лекционного занятия и полноценной лабораторной работы по дисциплине: "Интеллектуальные информационные системы", читаемой на 5-м курсе специальности: 351400 – Прикладная информатика.

 

 

4.4.4. Ограничения разработанной технологии
и перспективы ее развития

Для адекватного описания объектов управления в АПК необходимо использовать тысячи факторов различной природы (многофакторность), но на практике это сделать очень сложно.

Поэтому, в одних исследованиях учитывается влияние климатических факторов на количественные и качественные результаты выращивания сельскохозяйственных культур (агрометеорология), в других влияние агротехнологий, в третьих влияние почв, предшественников (севооборот), структуры и организации машинно-тракторного парка, финансовых и материальных потоков (логистика) и т.д., и т.д. Сами агротехнологии также включают массу различных факторов: способы вспашки; количество, виды и способы внесения удобрений; нормы высева, полива и т.д. Однако ни одна из этих групп факторов не является определяющей в получении хозяйственного результата (слабодетерминированность). Дело усложняется тем, что исследования каждой группы факторов проводятся обычно разрозненными группами ученых, на разных кафедрах, в различных научно-исследовательских институтах. Так ученые, изучающие влияние лимитирующих климатических факторов с учетом генетического потенциала и пофазного развития сортов и культур не имеют исходной информации для изучения влияния агротехнологий, и наоборот, специалисты по агротехнологиям не имеют климатических баз данных, геоинформационных технологий, и соответственно, возможности учета климатических факторов. И у первых, и у вторых возникают проблемы, связанные с нелинейным системным взаимодействием факторов, а также огромными размерностями математических моделей.

Поэтому мы перспективу развития направления, представленного данной работой, мы видим в разработке моделей, учитывающей кроме климатических факторов, также технологические факторы и неклиматические факторы внешней среды, например, такие как: виды и состояние почв, экологические факторы и др., а также в создании условий для применения этих моделей для решения рассмотренных задач в практике деятельности проектных и производственных организаций.

 

4.4.5. Выводы

Таким образом, на основании вышеизложенного можно сделать вывод об эффективности предложенной технологии и целесообразности ее применения и дальнейшего развития.

 

4.5. Выводы

Данный раздел монографии посвящен решению актуальных задач прогнозирования количественных и качественных результатов выращивания семечковых плодовых культур (на примере яблок), на основе выявления причинно-следственных зависимостей между метеофакторами и этими результатами.

1. В связи с высокой размерностью задачи и разнородностью исходных данных показана целесообразность применения для решения поставленных задач нового метода: системно-когнитивного анализа, обоснованного теоретически и имеющего свой программный инструментарий.

2. Показано, что сформированная с помощью СК-анализа семантическая информационная модель имеет достаточно высокую адекватность для того, чтобы ее исследование считать изучением самого объекта.

3. В работе решены следующие задачи, имеющие научное и практическое значение:

– прогнозирование результатов выращивания заданной культуры в заданной точке;

– поддержка принятия решений по рациональному выбору зон и микрозон выращивания данной культуры и сорта;

– поддержка принятия решений по рациональному выбору культур для выращивания в данной зоне и микрозоне;

– кластерно-конструктивный и системно-когнитивный анализ результатов выращивания и факторов.

4. Таким образом, предложенный подход позволяет успешно решить поставленные задачи и достичь цели работы.

5. Предложенная технология эффективна и целесообразно ее применения и дальнейшее развитие.

6. Научная новизна проведенного исследования состоит в том, что впервые методология, технология и инструментарий системно-когнитивного анализа применены для решения задач прогнозирования количественных и качественных результатов выращивания семечковых плодовых культур в Краснодарском крае.

7. Практическая значимость исследования состоит в возможности и целесообразности применения полученных результатов и технологий в практике работы проектных и производственных организаций, а также в учебном процессе на факультете прикладной информатики в Кубанском государственном аграрном университете.