Сафронова Т.И., Приходько И.А., Харламова О.П.

Прогнозирование мелиоративного состояния

рисовой оросительной системы

Рис – наиболее влаголюбивая сельскохозяйственная культура. С ростом культуры земледелия связь урожая с погодными условиями усиливается. Одним из резервов повышения продуктивности земледелия является наиболее полное и всестороннее использование климатических ресурсов.

Особую значимость вопросы учета климатических условий приобретают при разработке интенсивных способов возделывания риса. В климатически оптимальной стратегии необходимо предусмотреть возможность корректировки технологических операций с учетом сложившихся и ожидаемых метеоусловий. Основой для выбора оптимального мелиоративного режима должно быть достоверное детальное описание (прогноз) показателей водного баланса массива, адекватно реагирующее на различные мелиоративные воздействия в различные по погодным условиям годы.

Важным звеном в совершенствовании водопользования на рисовых системах является водораспределение, так как из-за несовершенства водораспределения, а также недостаточного учета климатических факторов и физико-механических свойств почв отмечается низкая урожайность риса, вторично засоляются почвы, в водные источники выносятся ядохимикаты, удобрения, минеральные соли. В качестве варианта решения этих проблем нами предлагается информационная модель мелиоративной системы.

. Для моделирования такого сложного объекта, каким является рисовая оросительная система, применение традиционных математических моделей является проблематичным. В последние годы явно наметился переход от отдельных математических моделей к системам взаимодействующих моделей, связанных единой технологической и информационной базой. Современные компьютерные средства обусловили широкое распространение информационно - советующих систем, использующих математические модели и геоинформационные технологии.

Основой для построения математических моделей являются фундаментальные исследования, наличие информационной базы данных и современной вычислительной техники.

Решение поставленной проблемы может быть получено путем применения системно-когнитивного анализа (СК-анализ)– нового перспективного математического метода системного анализа, основанного на теории информации. Для метода СК-анализа разработаны и методика численных расчетов, и соответствующий программный инструментарий, а также технология и методика их применения. Метод является непараметрическим, позволяет сопоставимо обрабатывать тысячи градаций факторов и состояний объекта управления при неполных (фрагментированных), зашумленных данных различной природы (измеряемых в различных единицах измерения).

Управление РОС предполагает создание соответствующей формальной количественной модели. Эта модель должна всесторонне и комплексно учитывать, каким образом по силе и направленности факторы внешней среды и управляющие воздействия различных видов влияют на мелиоративное состояние РОС и урожайность риса.

Мелиоративную систему будем рассматривать как рефлексивную систему управления. Новизна теории рефлексивных автоматизированных систем управления (РАСУ) по сравнению с классической теорией состоит в том, что в классической теории активной стороной является только система автоматического управления (САУ), а объект управления рассматривается как пассивный объект управляющих воздействий, в РАСУ объект управления также является активной стороной, он стремится к своим целям, которые в общем случае не совпадают с целями управления, активно отражает окружающую среду (мелиоративное состояние почв, дефицит пресной воды).

В СК- анализе рассматриваются рефлексивные АСУ, в которых в качестве объекта управления выступает активная система. В РАСУ объект управления может адаптироваться, вырабатывать и реализовывать решения.

Системно-когнитивный анализ представляет собой метод познания, структурированный по базовым когнитивным (познавательным) операциям.

В наборе базовых операций процесс познания рассматривается как многоуровневая иерархическая система обработки информации, в которой когнитивные структуры каждого уровня являются результатом интеграции структур предыдущего уровня.

Когнитивный конфигуратор представляет собой минимальную полную систему когнитивных операций, названных "базовые когнитивные операции системного анализа". Всего выявлено 10 таких операций: присвоение имен, восприятие, обобщение (синтез), абстрагирование, оценка адекватности модели, сравнение, идентификация и прогнозирование, дедукция, классификация и генерация конструктов, содержательное сравнение, планирование и принятие решений об управлении.

В работе [1] описана математическая модель, методика численных расчетов, включающая структуры данных и алгоритмы реализации базовых когнитивных операций, а также программный инструментарий. Модель СК – анализа позволяет прогнозировать поведение объекта управления при воздействии на него не только одного, но и целой системы факторов.

Результат прогнозирования поведения объекта управления, описанного данной системой факторов, представляет собой список его возможных состояний, в котором они расположены в порядке убывания суммарного количества информации о переходе объекта управления в каждое из них. [2] Прогнозирование состояния рисовой оросительной системы осуществляется следующим образом:

1. В классификационных шкалах собраны показатели мелиоративного кадастра орошаемых площадей: площади орошаемых земель (га) с разной глубиной залегания УГВ в интервалах, с разной минерализацией грунтовых вод в интервалах, с разной степенью засоленности почв в слое 0-100 см, с разной степенью солонцеватости, а также указана амбарная урожайность риса (ц/га) по годам. Эта часть таблицы характеризует активный объект управления. Описательные шкалы составляют предметную область. Управляющая система характеризуется технологическими факторами: посевной площадью риса (га), подачей воды на полив риса, использованием повторных вод (млн. м³), сбросом с рисовых площадей за пределы системы (тыс. м³) и т.п. С помощью этих факторов оказывается управляющее воздействие на активный объект управления. Окружающая среда характеризуется прошлыми, текущими и прогнозируемыми факторами, которые также оказывают воздействие на активный объект управления.

2. Для каждого возможного состояния объекта управления подсчитывается суммарное количество информации, содержащееся по всей системе факторов, о наступлении этого состояния.

3. Все состояния ОУ ранжируются в порядке убывания количества информации об их осуществлении. Этот ранжированный список состояний представляет собой первичный результат прогнозирования. Для определенного целевого состояния выбор управляющих воздействий производится из списка, в котором все возможные управляющие воздействия расположены в порядке убывания их влияния на перевод ОУ в данное целевое состояние. Такой список называется информационным портретом ОУ.

Итак, результат прогнозирования поведения ОУ, описанного данной системой факторов, представляет собой список состояний, в котором они расположены в порядке убывания суммарного количествава информации о переходе ОУ в каждое из них.

Естественно считать, что некоторый фактор является тем более значимым, чем большее среднее количество информации содержится в этом факторе о поведении объекта управления , но так как в рассматриваемой модели количество информации может быть и отрицательным (если фактор уменьшает вероятность перехода ОУ в некоторое состояние), то за адекватную оценку значимости фактора в классической теории информации принимают исправленное (несмещенное) среднее квадратичное отклонение информативностей по профилю признака

,

где - средняя информативность.

Следует отметить, что различные состояния ОУ обладают различной степенью обусловленности, т.е. в различной степени детерминированы факторами: некоторые слабо зависят от учтенных факторов, другие определяются ими практически однозначно. В СК-анализе реализовано несколько итерационных алгоритмов корректного удаления малозначимых факторов и слабодетерминированных состояний объекта управления.

Выводы:

Разработанная методика обеспечивает решение следующих задач:

1. Синтез и адаптация семантической информационной модели предметной области, включая активный объект управления и окружающую среду.

2. Идентификация и прогнозирование состояния активного объекта управления, а также разработка управляющих воздействий для его перевода в заданные целевые состояния.

Намеченный подход даёт возможность оценить с достаточной степенью достоверности направленность процессов, происходящих на рисовой оросительной системе и, следовательно, планировать обоснованные решения по управлению рисовой оросительной системой.

Литература

1. Луценко, Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). / Е.В. Луценко. – Краснодар: КубГАУ. 2002. –605 с.

2. Сафронова, Т.И. Математическая модель экологической ситуации на рисовых оросительных системах / Т.И. Сафронова // Известия вузов. Северо – Кавказский регион, техн. науки, приложение № 1.- Новочеркасск. – 2005.- с. 137-140.