ІV курс, факультет фізики, математики та інформатики
Терентьєв О. М., канд. тех. наук
Уманський державний педагогічний університет імені Павла Тичини
Умань
Поступова зміна кліматичних умов призвела до певних наслідків у землеробстві, а в майбутньому, як відзначають науковці [1], цей процес посилиться. На думку багатьох вчених-кліматологів потепління клімату позитивно позначиться на продуктивності рослинництва, адже інтенсивність процесів фотосинтезу залежно від інсоляції і температури може зрости на 30–100%. Такі культури, як пшениця, ячмінь, соняшник, рис і соя, дозріватимуть швидше, а їхня врожайність підвищиться на 20–30% [1, 2].
Метою дослідження є удосконалення існуючих методик аналізу, математичного моделювання та прогнозування урожайності сільськогосподарських культур для побудови адекватних моделей цих нелінійних нестаціонарних процесів, оцінювання коротко- і середньострокових прогнозів та підтримки прийняття управлінських рішень на основі системної методології адаптивного моделювання і комплексного застосування сучасних інформаційних технологій, зокрема інструментів SAS OnDemand.
Для прогнозування урожайності сільськогосподарських культур пропонується розробити множину математичних моделей за допомогою інструментарію системи SAS Enterprise Miner [6], що дає можливість автоматизувати вибір кращих моделей з використанням множини статистичних критеріїв. Інформаційною базою дослідження є дані щодо урожайності основних сільськогосподарських культур зони Лісостепу України [7].
Побудова моделей за експериментальними даними має істотну теоретичну та практичну основу [8-11]. Зокрема, існує широкий арсенал методів і засобів структурної та параметричної ідентифікації досліджуваних процесів. Крім того, ці засоби та методи можуть мати як універсальний характер, так і бути певною мірою орієнтованими на конкретні предметні галузі, різний рівень формалізації задачі. Прикладом запропонованої реалізації даного адаптивного системного підходу є дослідження можливості отримання приросту урожайності озимої пшениці залежно від агрометеорологічних умов. Вхідними даними є показники урожайності озимої пшениці в зоні північного Лісостепу України та метеорологічні показники за період 1988-2015 рр. Київської метеостанції [11]. В якості середовища моделювання використано SAS Enterprise Miner [6].
У даному дослідженні побудовано низку моделей, зокрема, для визначення взаємовпливу факторів, виконано двофакторний дисперсійний аналіз з перетином змінних, в результаті якого виявлено, що для підвищення якості прогнозування при побудові моделі крім попередника та обсягу внесених добрив слід враховувати температуру та кількість опадів у окремі періоди вегетації рослин. Побудована модель має наступний вигляд (1):
Yijk спостереження продуктивності для кожного експерименту;
μ – базовий рівень за всією вибіркою відгуків, що моделюються;
aI – вплив i-го добрива;
bj – вплив j-го виду культури попередника;
(ab)ij – вплив перетину між i-м добривом та j-м видом культури попередником;
eijk – похибка моделі.
При побудові моделі припускається, що спостереження незалежні, похибки нормально розподілені для кожного виду добрива, а дисперсії рівні для кожного виду добрива.
Фрагмент коду sas-програми:
proc glm data=agro.data_1 order=internal;
class Fertilizer Previous_culture;
model Productivity=Fertilizer Previous_culture Fertilizer*Previous_culture;
title ‘Analyze the Effects of Fertilizer and Previous_culture’;
title2 ‘Including Interaction’;
run;
quit;
Оскільки сприятливі значення агрокліматичних факторів і тривалість фаз розвитку рослин відомі за багаторічними спостереженнями, а сівозміна передбачена агротехнологією вирощування культури, то для прогнозування урожайності озимої пшениці побудовані відповідні регресійні моделі. Статистичні характеристики побудованих регресійних моделей подані у табл. 1.
Таблиця 1
Статистичні характеристики регресійних моделей, побудованих для прогнозування урожайності озимої пшениці
Фактори моделі множинної регресії | RMSE | MAPE | DW |
Тільки добрива | 1,19 | 24,78 | 2,25 |
Тільки культура попередник | 1,24 | 26,39 | 2,07 |
Добрива та культура попередник | 1,17 | 24,59 | 2,31 |
Добрива, культура-попередник, добрива-культура -попередник | 1,17 | 24,59 | 2,32 |
Тільки температура | 0,93 | 20,58 | 1,41 |
Тільки опади | 1,05 | 19,43 | 1,51 |
Тільки температура та опади | 0,69 | 13,62 | 1,17 |
Добрива, культура попередник, температура та опади | 0,52 | 10,01 | 1,95 |
Загальна схема дослідження реалізує адаптивний підходу до прогнозного моделювання урожайності сільськогосподарських культур. Отримані результати свідчать про хороші перспективи його практичного використання для прогнозування урожайності польових сільськогосподарських культур з метою вибору оптимальної агротехнології та забезпечення раціонального природокористування.
Використання запропонованої методики є досить перспективним і дасть можливість покращити методику обробки результатів польових дослідів, так і забезпечить фахівція-аграрія інструментом прийняття рішень щодо прийняття конкретної агротехнології вирощування культури, і за потреби її корегування, використовуючи науково-обґрунтовані результати. Проте, використання даної методики передбачає наявність як відповідного програмного забезпечення систем підтримки прийняття рішень, так і фахової підготовки виконавців.
Напрямами подальших досліджень є удосконалення зазначеної методики за рахунок розширення кола розв’язуваних задач, що дозволить ширше використовувати інструменти SAS Enterprise Miner та різних методик моделювання та прогнозування в рамках єдиної автоматизованої аналітичної системи.
Список використаних джерел
- Ромащенко М. І. Про деякі завдання аграрної науки у зв’язку із змінами клімату / М. І. Ромащенко, О. О. Собко, Д. П. Савчук, М. І. Кульбіда. – К.: Ін-т гідротехніки і меліорації УААН. – 2003. – 96 с.
- Кульбіда М. І. Оцінка фотосинтетичної продуктивності озимої пшениці за різноманітними сценаріями змін клімату в Україні / М. І. Кульбіда // Хранение и перераб. зерна. – 2002. – № 4. – С. 18–23
- Program-technic komplex Control Agro [Online]. Available: http://control.ua/index.php/reseniya/selskoe-khozyajstvo/control-agro.
- Куссуль Н. Н. Регрессионные модели оценки урожайности сельскохозяйственных культур по данным MODIS/ Н. Н. Куссуль, А. Н. Кравченко, С.В. Скакун, та ін.// Сборник научных статей” Современные проблемы дистанционного зондирования Земли из космоса”. — 2012. — Том 9, №1. — С. 95–107
- Outer space in the service of agrarian [Online]. Available: http://www.agroprofi.com.ua/statti/1115-kosmichnij-prostir-na-sluzhbi-agrarija.html.
- Компанія SAS [Електронний ресурс] : офіційний web-сайт. – Режим доступу http://www.sas.com/offices/europe/russia/company/index.html.
- Офіційний сайт Державної служби статистики України [Online]. Available: http://www.ukrstat.gov.ua/
- Довгий С. О. Методи прогнозування в системах підтримки прийняття рішень : наук.-навч. вид. / С. О. Довгий, П. І. Бідюк, О. М. Трофимчук, О. І. Савенков; НАН України, Ін-т телекомунікацій і глобал. інформ. простору. – К. : Азимут-Україна, 2011
- Довгий С.О. Системи підтримки прийняття рішень на основі статистично-ймовірнісних методів / Довгий С.О., Бідюк П.І., Трофимчук О.М. – К.: Логос, 2014. – 419 с
- Дмитренко В.К. Залежність врожаю зерна озимої пшениці від попередників та метеорологічних факторів / В.К. Дмитренко // Вісник с.-г. наук. — 1980. — № 3. — С. 15–19.
- Дем’янюк О.С. Моделювання продуктивності агроекосистеми залежно від показників біологічної активності ґрунту та гідротермічних умов / О. С. Дем’янюк, В. І. Гайдаржи, О. Б. Васильєва // Збалансоване природокористування. – 2017. – № 1. – С. 143-148.
- Bradley E.et al. Least angle regression / E. Bradley et al. // The Annals of Statistics. – – vol. 32, No. 2, pp. 407 – 499, [Online]. Available: http://projecteuclid.org/euclid.aos/1083178935.
- Abdi H. Partial least square regression (PLS regression) / H. Abdi // Encyclopedia for research methods for the social sciences[Online]. Available: https://www.utdallas.edu/~herve/Abdi-PLS-pretty.pdf
- Greedy function approximation: a gradient boosting machine/ H. Friedman //The annals of statistics. – 2001. – vol. 29, No. 5, pp. 1189-1232, – [Online]. Available: http://www.jstor.org/stable/2699986
- Агрокліматичний довідник по території України: за ред. Т.І. Адаменко, М.І. Кульбіди, А.Л. Прокопенка. – Кам’янець-Подільський: ПП Галагодза, 2011. – 108 с.
- Петров П. В. Агротехнологія і технологічні карти вирощування сільсько-господарських культур: навч.посіб./ Петров П.В., Посполітак Т.Є., Юркевич Є.О. – К.: Аграрна освіта,2009. –268с.
- Цілі сталого розвитку в Україні [Електронний ресурс] : – Режим доступу http://sdg.org.ua/ua