Остання редакція: 25-11-2024
Тези доповіді
Анотація. Запропоновано новий метод комплексної оцінки прогнозу урожайності та якості врожаю пшениці озимої як основа для майбутньої автоматизації в обслуговуванні вирощування цієї зернової культури. Для цього використовуються результати багаторічних спостережень та математична модель на основі штучної нейронної мережі із структурою «багатошаровий перцептрон». Зазначене формує показники щодо застосування їх у моделях із визначенням факторів та умови для попереднього і з високою надійністю планування різноманітних технологічних операцій, що супроводжують процес вирощування пшениці озимої, а це, у свою чергу, - ефективно використовувати фінанси, матеріальні ресурси, сприяти покращенню екологічної ситуації на виробничих посівах.
Ключові слова: якість врожаю, нейронна мережа, багатошаровий перцептрон, Лісостеп України, похибка прогнозу, енергоємність, вміст білку, вміст клейковини.
1. ВСТУП
Лісостепова зона України – зона широкого поширення пшениці озимої. Важливо завчасно мати надійну інформацію щодо можливих урожайності та якості врожаю цієї рослинної культури, що сприятиме проведенню своєчасних та ефективних сервісних операцій (обробіток ґрунту, внесення підживлення, боротьба зі шкідниками і хворобами). Усі ці операції дорого вартісні та потребують серйозного фінансового планування.
Сучасні високотехнологічні процеси будь яких країн, у тому числі й України, використовують різноманітні системи автоматизації процесу аналізування цих закономірностей. І прогнозування при цьому відіграє важливу роль, оскільки є основою для автоматизації організаційної діяльності будь-якої структури. Прогнозування майбутньої урожайності та якості врожаю, на наш погляд, є фундаментом всього процесу вирощування пшениці озимої, оскільки на ранніх етапах дозволяє зробити аналітичний висновок про доцільність вирощування високого врожаю зерна.
Постановка проблеми. Сучасні високотехнологічні процеси будь яких країн, у тому числі й України, використовують різноманітні системи автоматизації процесу аналізування цих закономірностей. І прогнозування при цьому відіграє важливу роль, оскільки є основою для автоматизації організаційної діяльності будь-якої структури. Прогнозування майбутньої урожайності та якості врожаю, на наш погляд, є фундаментом всього процесу вирощування пшениці озимої, оскільки на ранніх етапах дозволяє зробити аналітичний висновок про доцільність вирощування високого врожаю зерна.
Аналіз останніх досліджень і публікацій.
У роботі [1] ми досліджували впливи на урожайність окремих культур різноманітних природних факторів, чисельності шкідників. Проте, при цьому не бралась до уваги технологія вирощування культури та не оцінювалась якість її урожаю.
Вважаємо, що технологія вирощування, і зокрема, системи ведення рослинництва як окремі фактори впливу, заслуговують на особливу увагу, оскільки в структурі собівартості врожаю займає суттєву частку витрат, а тому в моделях прогнозування майбутніх витрат і можливого прибутку повинна враховуватись в обов’язковому порядку.
Мета публікації. Метою є розробка методу прогнозування урожайності та якості врожаю пшениці озимої з використанням технології штучного інелекту.
2. ТЕОРЕТИЧНІ ОСНОВИ
Багаторічні дослідження [1, 4] дозволили нам обґрунтувати вибірку даних та їх аналіз щодо впливу на урожайність та вміст клейковини і білку пшениці озимої для Лісостепу України таких природних факторів як тривалість сонячного сяйва, середньорічна температура, сума опадів, середньорічна відносна вологість повітря та типів технології вирощування (традиційної енергозатратної, що поширено застосовується в Україні, та енергозберігаючої).
3. МЕТОДИ ДОСЛІДЖЕННЯ
Для прогнозування якості врожаю використовуються принципи технології штучного інтелекту.
4. РЕЗУЛЬТАТИ ТА ОБГОВОРЕННЯ
Як відомо з джерел [2, 3] за умов наявності інформаційної невизначеності рекомендується для побудови моделей прогнозування, у тому числі й урожайності пшениці озимої та якості зерна сучасних сортів, використовувати штучні нейронні мережі [2, 3]. Набутий нами досвід дозволяє зупинитись на структурі таких мереж як «багатошаровий перцептрон» з 5 прихованими шарами».
Матеріали досліджень свідчать, що вхідними факторами в моделі нейронної мережі є значення параметрів навколишнього середовища та енергоємність технології за роками. Зауважимо, що частина вибірки використовувалась для навчання нейронної мережі, а інші для контролю та самого прогнозування. Результати такого прогнозування для зони Лісостепу України за умов застосування традиційної енергозатратної технології моделюються на рис. 1.
Рисунок 1. Результати прогнозування якості зерна пшениці озимої за роками для зони Лісостеп України за умов використання традиційної енергозатратної технології (вміст клейковини – похибка не перевищує 4%; вміст білка – похибка не перевищує 10%)
ВИСНОВКИ ТА ПЕРСПЕКТИВИ ПОДАЛЬШИХ ДОСЛІДЖЕНЬ
Аналіз впливу природних факторів на урожайність та показники якості зерна пшениці озимої для зони Лісостепу України підтвердив їх розподіленість згідно нормального закону. При цьому значення лінійних коефіцієнтів кореляції між факторами впливу та відповідними вихідними величинами, значення коефіцієнта детермінації свідчать про наявність інформаційної невизначеності. Зазначене створює умови для прогнозування урожайності пшениці озимої та якості зерна цієї культури використовувати математичні моделі штучних нейронних мереж зі структурою «багатошаровий перцептрон з 5 прихованими шарами». Помилка прогнозування при цьому за роками не перевищує 8 - 10%.
Список літератури
- Dolia, M., Lysenko, V., Lendiel, T., Nakonechna, K., & Humeniuk, L. (2024). Neuron network prediction of damage of E. integriceps bug on winter wheat in Ukraine. Scientific Reports of the National University of Life and Environmental Sciences of Ukraine, 20(4),96-105. https://doi.org/10.31548/dopovidi/3.2024.96
- Злобін, О. С. (2023). ОГЛЯД АЛГОРИТМУ ЗАСНОВАНОМУ НА МЕТОДІ «НЕЙРОННА МЕРЕЖА ХОПФІЛДА». Science, (3), 26.
- Korobiichuk, I., Lysenko, V., Reshetiuk, V., Lendiel, T., & Kamiński, M. (2017). Energy-efficient electrotechnical complex of greenhouses with regard to quality of vegetable production. In Recent Advances in Systems, Control and Information Technology: Proceedings of the International Conference SCIT 2016, May 20-21, 2016, Warsaw, Poland (pp. 243-251). Springer International Publishing.