CC BY
21
Berezovsky Sergey Evgenevich, research assistant of laboratory, Russia, Saint-Petersburg, Military Space Academy named after A.F. Mozhaisky,
Latanova Olga Iosifovna, younger research assistant of laboratory, Russia, Saint-Petersburg, Military Space Academy named after A.F. Mozhaisky
УДК 004
DOI: 10.24412/2071-6168-2022-8-164-168
АППАРАТНО-ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ СИСТЕМЫ МОНИТОРИНГА КАЧЕСТВА ВОДНЫХ РЕСУРСОВ В ЗАДАЧАХ АКВАКУЛЬТУРЫ ОСЕТРОВЫХ РЫБ
К.В. Шаповаленко, А.В. Греченева, Я.С. Котов
Статья посвящена описанию концепции создания аппаратно-программного обеспечения системы мониторинга качества водных ресурсов в задачах аквакультуры осетровых рыб. В ходе работы были выявлены и описаны ключевые информативные параметры температурного и гидрохимического режима вод в водоемах и определена структура информационно-аналитического обеспечения мониторинга качества водных ресурсов. Обоснована необходимость применения нечеткой логики и правил нечетких продукций, а также предложена концепция системы с использованием алгоритмов на основе нечеткой логики. Описан алгоритм гибридной нейронной сети. Разработанная система позволит производить мониторинг водных объектов для обеспечения наилучших показателей среды, в следствии чего число особей возрастет.
Ключевые слова: аквакультура, информационно-аналитическая система, комплексная обработка, нечеткая логика.
Современные условия диктуют требования к необходимости развития и интенсификации хозяйственной деятельности, направленной на повышение уровня продовольственной обеспеченности населения РФ [1,2]. Данная стратегия также справедлива и для сферы аквакультуры. В настоящее время наибольшее развитие получили методы аквакультуры, основанные на выращивании рыб в искусственных изолированных от внешней среды бассейнах, за счет простоты управления параметрами среды обитания рыб [3]. В системах подобного класса рыбу разводят в пластиковых оснащенных оборудованием бассейнах замкнутого водоснабжения.
В свою очередь, актуальность сохраняет задача разработки методов и подходов контроля температурного и гидрохимического режима вод в водоемах, подверженных влиянию экзогенных (техногенных и природных) факторов. Примером таких аквасистем являются пруды и озера, расположенные вблизи населенных пунктов. Кроме того, рыба, развивающаяся в естественной среде, меньше подвержена стрессу и может приносить наибольшее количество потомства [4], что также подтверждает актуальность темы исследования.
Целью работы является исследование информативных параметров температурного и гидрохимического режима вод в водоемах и определение структуры информационно-аналитического обеспечения мониторинга качества водных ресурсов в задачах аквакультуры осетровых рыб.
Информационно-аналитическое обеспечение мониторинга качества водных ресурсов. Концепция создания информационно-аналитического обеспечения мониторинга качества водных ресурсов требует определения информативных параметров и диапазонов их вариаций в пределах нормы для поддержания оптимальных условий содержания осетровых рыб в задачах аквакультуры. На основании анализа научной литературы [5, 9, 10] был выделен ряд информативных параметров:
Температура воды (норма для осетровых 15.. ,230C);
Уровень растворенного кислорода (норма для осетровых 4,0 мг/л);
Растворенные в воде соли;
Значение pH (норма для осетровых 7,0.8,0).
Контроль температурного режима для осетровых является ключевым жзнеобеспечи-вающим параметром, влияющим на питание, рост, размножение и т. д. [5, 6, 7, 9], вследствие чего температуру воды в рыбоводческих хозяйствах необходимо контролировать с высокой периодичностью (ежедневно, ежечасно).
Не менее важным показателем благоприятной среды является уровень растворенного в воде кислорода. Недостаток кислорода приведет к нарушению обмена веществ, избыток - к появлению пузырьков газа в кровеносных сосудах [5].
Количество растворенных в воде солей влияет на уровень осмотического давления и создает основу для развития пищевых организмов для рыб [5, 8].
Одним из главных абиотических факторов внешней среды является значение рН, так как изменение его значения/уровня приводит к изменению интенсивности дыхания и кислородного порога рыбы [5].
На основании вышеизложенного предлагается архитектура информационно-аналитического обеспечения мониторинга качества водных ресурсов в задачах аквакультуры осетровых рыб (рис. 1).
Рис. 1. Структурная схема информационно-аналитической системы мониторинга
Структурная схема включает в себя измерительный тракт системы, в состав которого входит набор датчиков (температуры, pH, EC, TDS, солености, прозрачности), а также информационно-аналитическую систему, представленную в виде совокупности аппаратно-программных модулей. Алгоритмы анализа данных будут построены на основе нечеткой логики, что обусловлено инерционными свойствами контролируемых параметров среды мониторинга.
Применение нечеткой логики и правил нечетких продукций. Показатели водной среды при нормальных условиях изменяются довольно медленно, при этом существует необходимость быстрого реагирования на изменение показателей во избежание достижения критических значений. Использование нейросетевых алгоритмов с применением нечеткой логики и правил нечетких продукций (ПНП) [11] позволяет решить данную проблему в мониторинге водных объектов.
Перед началом работы необходимо путем экспертного заключения определить исходные значения, используемых в ПНП параметров, нормы и отклонения, для их дальнейшей корректировки с помощью нейросетевых технологий. Следовательно, необходимо сделать выбор в пользу ПНП, условия, которых выглядят следующим образом:
ЕСЛИ: «Отклонение 1 = истина» И «Отклонение 2 = истина»... И «Отклонение n = истина»
ТО: «Заключение 1 = истина» И «Заключение 2 = истина». И «Заключение m = истина»
Однако следует учесть, что при работе системы используются условия, содержащие более одного подусловия (фактора). Их необходимо объединять (агрегировать) в соответствие со следующим ПНП:
ЕСЛИ: «ВхЛП = Зн„» ИЛИ ... ИЛИ «ВхЛП1 = Зщт»: И «ВхЛПп = Знп1» ИЛИ ... ИЛИ «ВхЛПп = Знпт», где ВхЛП - входная лингвистическая переменная.
Каждое из п условий ««ВхЛП! = Зн11» ИЛИ ... ИЛИ «ВхЛП! = Зн^»» состоит из т под-условий «ВхЛП = Зн^», где Знlj - _)-е значение 1-й ЛП в подусловии. Его номер определяется номером значения входной ЛП: у. Таким образом, для определения степени истинности ц всех подусловий данного ПНП сформирована матрица М:
^И11 И12 Mim ^
M =
И21 И22
M2m
(1)
\№п1 ^пт J
Применяя матрицу истинности подусловий (1), получаем формулу для расчета коэффициента х степени надежности диагноза, расчет которого необходимо осуществить для каждого из возможных нарушений:
(
Хи = J Уи •max
Ии
q±Fk • min( mix^, (x
Л
2 Fk
(
dyu
J max
Ии-
"±Fk • mm( max(Mi,- (x ))
Л
2 Fk
dyu
(2)
где min, max - границы интервала принадлежности нечеткого множества рассматриваемой Вы-хЛП; Fk , k = 1,quv , - весовые коэффициенты правил; quv - количество ПНП для определения
ФП v -терма u-й ВыхЛП; ^uv (Уи ) - исходная ФП v-го терма u -й ВыхЛП.
Основным недостатком такого подхода является необходимость учитывать и вести постоянный мониторинг появления новых факторов в зависимости от которых меняются веса ПНП [12].
Этот недостаток настройки ПНП позволяет компенсировать применение нечеткой логики в системе логического вывода при проектировании нейронной сети (рис. 2). Структура нейронной сети представляет собой многослойную нейронную сеть, однако каждый из её слоев представляет собой один из этапов нечеткого логического вывода.
Вход
слой 1 слой 2 слой 3 слой 4 слой 5 спой 6 слой 7 Выходные спои
v=1 и=1
k=1,q v=vmaï a/b
M*..)
V=1.Vma« U Uma„ der
Рис. 2. Структура гибридной нейронной сети
v
V
k=1
k=1
Приведенная структура нейронной сети включает нейроны математических функций «min», «max», «Е» и «*». Знаком «=» обозначены нейроны, выполняющие функцию сравнения
ЛП и ВыхЛП, а « _Л _ » и «def» - нейроны, выполняющие операцию фаззификации и дефаззи-фикации, соответственно. Нейрон «a/b» осуществляет операцию деления на сумму весов активных правил.
Заключение. Предложенная в данной статье концепция организации системы мониторинга качества водных ресурсов в задачах аквакультуры осетровых рыб позволит:
- определять критерии оценки «текущего состояния» водных объектов в аквакультуре осетровых рыб;
- с высокой степенью надежности и точности выявлять и предупреждать развитие отклонений от нормы.
Разработка и реализация системы с использованием алгоритмов на основе нечеткой логики позволит достичь повышения числа особей за счет поддержания благоприятных условий по сравнению с неавтоматизированными открытыми водоемами.
Список литературы
1. Клименко А.И., Усенко Л.Н., Холодова М.А. Прогнозирование продовольственной безопасности региона в контексте экономической доступности продуктов питания // Мелиорация и гидротехника. 2022. №1. С. 264-283.
2. Филипповская О.В. Продовольственная безопасность России в свете происходящих геополитических изменений // Национальные интересы: приоритеты и безопасность. 2016. №2 (335). С. 94-105.
3. Гарлов П.Е., Бугримов Б.С., Шведов В.П. Биотехника управления размножением рыб в условиях заводского воспроизводства. // Актуальные проблемы интенсивного развития животноводства. 2011. №14 (2). С. 81-88.
4. Пономарев С.В., Федоровых Ю.В., Левина О.А., Баканева Ю.М., Корчунова М.А., Шейхгасанов К.Г. Биологические и технологические аспекты применения методов органического сельского хозяйства для получения продукции аквакультуры // Известия Самарского научного центра Российской академии наук, 2015. Т. 17. №4(3). С. 557-567.
5. Ихтиология: краткий курс лекций для студентов II курса направления подготовки 35.03.08 Водные биоресурсы и аквакультура / сост.: И.В. Поддубная // ФГБОУ ВО «Саратовский ГАУ». Саратов, 2016, 219 с.
6. Егорова В.И., Свешникова Е.В., Наумова В.В., Кирьянов Д.А., Смирнова А.Н. Влияние температуры воды на структуру расхода обменной энергии у рыб // Вестник Астраханского государственного технического университета. Серия: Рыбное хозяйство. 2019. № 4. С. 110— 115. DOI: 10.24143/2073-5529-2019-4-110-115.
7. Голованов В.К. Сравнительный анализ температурных критериев жизнедеятельности у видов-вселенцев и видов-аборигенов из региона верхней волги // Труды Мордовского государственного природного заповедника имени П.Г. Смидович. С. 289-296.
8. Белых О.А., Розанов С.Е. Особенности выращивания живого корма Artemia salina в аквакультуре // Известия Байкальского государственного университета. 2021. Т. 31, № 3. С.400-406.
9. Абдуллаева Х.Г. Влияние некоторых экологических факторов на возникновение и распространение болезней рыб // Известия Самарского научного центра Российской академии наук. 2012. Т. 14, № 5. С. 198-203.
10. Чебанов М.С., Галич Е.В., Чмырь Ю.Н. Руководство по разведению и выращиванию осетровых рыб. М, 2004. 148 с.
11. Шалдаев О.О., Лукичева С.В. Перспективы применения нечеткой логики. Актуальные проблемы авиации и космонавтики, 2017. 2 (13). С. 311-313.
12. Лабинский А.Ю., Нефедьев С.А., Бардулин Е.Н. Использование нечеткой логики и нейронных сетей в системах автоматического управления // Научно-аналитический журнал «Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России», 2019. 1. С. 44-50.
Шаповаленко Ксения Викторовна, студент, Ksyu. shapovalenko@mail. ru, Россия, Москва, Российский государственный аграрный университет - МСХА имени К.А. Тимирязева,
Греченева Анастасия Владимировна, канд. техн. наук, доцент, A.Grecheneva@rgau-msha.ru, Россия, Москва, Российский государственный аграрный университет - МСХА имени К. А. Тимирязева,
Котов Ярослав Сергеевич, студент, yaroslav. kotov. 01 @mail. ru, Россия, Москва, Российский государственный аграрный университет - МСХА имени К. А. Тимирязева
167
HARDWARE AND SOFTWARE OF THE SYSTEM FOR MONITORING THE QUALITY OF WATER
RESOURCES IN THE PROBLEMS OF AQUACULTURE OF STURGEON FISHES
K.V. Shapovalenko, A.V. Grecheneva, Ya.S. Kotov
The article is devoted to the description of the concept of creating a hardware and software system for monitoring the quality of water resources in the tasks of sturgeon aquaculture. In the course of the work, key informative parameters of the temperature and hydrochemical regime of waters in reservoirs were identified and described, and the structure of information and analytical support for monitoring the quality of water resources was determined. The necessity of using fuzzy logic and fuzzy production rules is substantiated, and the concept of a system using algorithms based on fuzzy logic is proposed. The algorithm of the hybrid neural network is described. The developed system will allow monitoring water bodies to ensure the best environmental performance, as a result of which the number of individuals will increase.
Key words: aquaculture, information-analytical system, complex processing, fuzzy logic.
Shapovalenko Kseniya Viktorovna, student, Ksyu.shapovalenko@mail.ru, Russia, Moscow, Russian State Agrarian University - Moscow Timiryazev Agricultural Academy,
Grecheneva Anastasia Vladimirovna, candidate of technical sciences, docent, A. Grecheneva@rgau-msha. ru, Russia, Moscow, Russian State Agrarian University - Moscow Timiryazev Agricultural Academy,
Kotov Yaroslav Sergeevich, student, yaroslav.kotov.01@mail.ru, Russia, Moscow, Russian State Agrarian University - Moscow Timiryazev Agricultural Academy
УДК 621.317
DOI: 10.24412/2071-6168-2022-8-168-173
РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ ВОЗМОЖНОСТЕЙ ПРЕДПРИЯТИЙ ПО ПРОИЗВОДСТВУ ТЕХНИЧЕСКИХ СРЕДСТВ СПЕЦИАЛЬНОГО
НАЗНАЧЕНИЯ
А.В. Мякотин, А.Я. Моргунов, А.И. Муравьев, А.А. Бурлаков
В статье приведены рассуждения и расчеты, позволяющие осуществить прогнозирование объемов выпуска образцов технических средств специального назначения. В общих чертах рассматривается процесс производства техники в условиях перехода на выпуск новых образцов, различные методы моделирования. Показано, что в наибольшей степени для описания процесса серийного производства образцов технических средств специального назначения подходят модели на основе логистических функций.
Ключевые слова: технические средства специального назначения, программное планирование, производство.
При формировании документов программного планирования (1111) вопрос прогнозирования возможностей промышленности по производству образцов технических средств специального назначения (ТС СН) является одним из наиболее важных.
При производстве изделий можно выделить три основные фазы: постановка на производство (подготовка и освоение); серийное производство; снятие с производства. При этом наиболее сложным этапом промышленного производства является постановка изделий на производство. Это объясняется динамичностью процесса, характеризующегося переменной величиной выпуска, удельных затрат ресурсов на новое изделие с одновременным изменением параметров производства старого образца ТС СН. При этом необходимо отметить, что новые изделия имеют более высокий качественный уровень, находящий свое отражение
