CC BY
31
АРИДНЫЕ ЭКОСИСТЕМЫ, 2014, том 20, № 4 (61), с. 86-92
==—— ОТРАСЛЕВЫЕ ПРОБЛЕМЫ ОСВОЕНИЯ ЗАСУШЛИВЫХ ЗЕМЕЛЬ ——==
УДК 523.745:550:38:631.559(470.56)
ДОЛГОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ В СТЕПНОЙ ЗОНЕ УРАЛА НА ОСНОВЕ СОВРЕМЕННЫХ МЕТОДОВ ОЦЕНКИ СОЛНЕЧНО-ЗЕМНЫХ
СВЯЗЕЙ
© 2014 г. В.Е. Тихонов, А.А. Неверов
Оренбургский научно-исследовательский институт сельского хозяйства Федерального агентства научных организаций Россия, 460051 Оренбург, проспект Гагарина, д. 27/1. E-mail: [email protected]
Поступила 21.01.2014
Решение проблемы базировалось на современных знаниях ритмики солнечно-земных связей. Прогнозные оценки урожайности моделировались с применением метода нейронных сетей (многослойные персептроны в задаче прогнозирования временного ряда) и метода остаточных отклонений в совокупности с методом наложения эпох. За три года исследований получены обнадёживающие результаты по прогнозированию урожайности. Заблаговременное прогнозирование урожайности позволяет в годы засух предотвратить необоснованные затраты энергоресурсов, исчисляемые миллиардами рублей в одной только Оренбургской области. Ключевые слова: засуха, ритмика временных рядов, методы описания нелинейных связей, прогноз урожайности.
Засухи 2009, 2010, 2012 и 2013 годов показали, что для АПК Оренбургской области (как и для всей степной зоны России) на первый план выступает наличие информации о погоде и урожайности на предстоящий год. В русских летописях XVII - XIX вв. зафиксировано около 60 засух, т.е. на столетие - 20. Наиболее сильные засухи, которые отмечались на территории Русской равнины в XIX веке: 1833, 1834, 1840, 1848, 1859, 1865, 1876, 1881-1883 и 1890-1892 гг. Все они сопровождались голодом и крупными лесными пожарами (А.И. Климентьев, 2010).
Мы только что пережили жесточайшие засухи 2010 и 2012 годов, которые сильно напоминали засуху 1921 года. Поэтому по интенсивности засухи, времени её наступления и продолжительности эти годы не являются уникальными. Кроме того, катастрофические засухи наблюдались в Оренбургской области в 1967, 1975, 1995, 1998, 2005, 2009 гг. В такие годы никакая технология и никакая современная техника не способны восполнить дефицит атмосферной влаги.
Ежегодный ущерб для агропромышленного комплекса от подобных засух составляет несколько миллиардов рублей. Поэтому актуальность проблемы прогнозирования засух не подлежит сомнению.
Цель исследования - выявить совокупность циклических и периодических вариаций, обуславливающих ритмику временных рядов урожайности зерновых культур в степном Предуралье. Задача решалась путём использования различных стохастических алгоритмов аппроксимации длительных рядов урожайности яровой пшеницы, ячменя и озимой ржи.
Материалы и методы
1. Для учёта влияния суперпозиции природных ритмов на урожайность сельскохозяйственных культур авторами данной статьи была создана оригинальная компьютерная программа «ПРОГНОСТИК». Основа программы - матрица периодических и циклических компонент для реализации анализа ритмики динамических рядов. Количество циклов в матрице не ограничено. Анализ ритмики состоит из решения ряда задач по размещению и перестановкам циклов в модели, а также формирование, обучение и тестирование выборок временного ряда.
2. Кроме того, использовался программный продукт «СТАТИСТИКА 6.1. Нейронные сети» для аппроксимации временного ряда по одной и той же переменной на входе и выходе (многослойный персептрон), использовались логистические функции активации нейронов.
Из большого количества моделей урожайности зерна выбирались до десяти наилучших. Из них создавался ансамбль, в котором прогнозируемая урожайность наиболее близка к фактическому ряду наблюдений.
Поиск циклов и периодов для включения в матрицу программы «Прогностик» проводился по литературным источникам (Х.Т. Мерс, Л. Шламмингер, 1982; Н.Н. Завалишин, 1983; Нгуен Тхи Ким Тхоа, 1984; Б.И. Сазонов, 1987; В А. Понько, 1991; О.В. Пономарёвой, 2007, 2008, 2011; Плазменная гелиогеофизика, 2008; Л.М. Акимов 2012, 2013; С.В. Авакян, 2013.
Полученные результаты и обсуждение
Фактически, к настоящему времени сложился раздел научных знаний, называемый «плането-солнечно-земные связи», который предполагает изучение совокупности всех возможных взаимодействий гелио- и геофизических явлений, включая воздействие планет на Солнце, приводящее к модуляции солнечной активности.
Так, солнечные пятна являются самым известным объектом на Солнце, а 11-летний солнечный цикл, вероятно, является самым известным квазипериодическим явлением на Солнце, а может быть, и в астрофизике вообще (Плазменная ..., 2008).
Но отнюдь не все процессы на Солнце, даже те из них, которые тоже имеют 11-летнюю периодичность, совпадают с циклом пятен по фазе. Средний период изменения числа солнечных пятен, часто отождествляемый с периодом солнечной активности вообще, составляет 11.1 лет. На самом деле этот «период» изменяется в довольно широких пределах, были циклы несколько длиннее или короче 11 лет, в ХХ в. средний период составил 10.4 г. Надо всегда иметь в виду, что в целом ряде случаев нет причинно-следственной связи между разнообразными явлениями на Солнце и основными фазами цикла солнечных пятен, а непосредственным агентом, вызывающим то или иное явление на Земле, являются не пятна, а другие объекты на Солнце. Солнце имеет 9 спутников-планет, суммарная масса которых составляет всего лишь 0.13% массы Солнца, но на них приходится около 98% момента количества движения всей Солнечной системы (Плазменная гелиогеофизика, 2008).
Под гравитационным воздействием со стороны планет Солнце вынуждено совершать достаточно сложное переменное движение вокруг центра масс Солнечной системы (ЦМСС, т.е. барицентра), в результате чего орбиты планет не могут оставаться строго гелиоцентрическими, поскольку центр тяжести Солнца (ЦТС) может не совпадать с фокусами эллиптических траекторий планет ( Константиновская, 2000).
В соответствии с работами Р.Ф. Усманова (1974), В.А. Понько (1983, 1991), О.В. Пономарёвой (2007, 2008), планетам отводится роль первоисточника вариаций, как солнечной активности, так и циклическим процессам на Земле (периодическое движение полюса Земли, т.е. прямая связь: планеты - Земля). Авторы также указывают на то, что цикличность, наблюдаемая в орбитальном движении Луны, проявляется и в колебаниях полюса Земли. Так, узлы лунной орбиты непрерывно перемещаются по эклиптике к западу, совершая полный оборот за 18.613 г.; перигей лунной орбиты движется к востоку, совершая оборот за 8.85 г., в результате такого встречного движении соединения узла лунной орбиты с перигеем Луны происходит ровно через 6 лет.
В работе О.В. Пономарёвой (2008) определена ответственность планет земной группы за изменение числа солнечных пятен с периодами: Т = 11.083 лет; Т = 8 лет; Т = 6.78 лет; Т = 1.61 лет, которые, по утверждению автора, можно считать универсальными гелиофизическими константами. В нашем понимании, их влияние на земные процессы происходит по «каналам обратной связи», т.е. планеты -Солнце - Земля. Кроме того, Юпитер в составе планет-гигантов ответственен за «долгопериодные» циклы солнечной активности, кратные среднему периоду Т = 11.85 лет.
Цитируя ряд работ, рассматривающих возможность влияния переменного во времени гравитационного взаимодействия на Солнечную систему, О.В. Пономарёва (2011), рассматривает модель влияния гравитационных волн, излучаемых барицентрами планетных групп Солнечной системы, на изменение формы Земли; что, в свою очередь, связано с вариациями гравитационной постоянной (I II) и геодинамическими показателями: периодическим движением полюса Земли (ПДП), вариациями длительности суток (ЬОБ) и сейсмической активностью Земли. В заключении автор пишет: «Исследования вариаций гравитационной постоянной позволяет сделать вывод о переменности ГП, связанной не только с галактическими процессами и текущими изменениями в конфигурации планет Солнечной системы, но и с влиянием гравитационного поля планет на динамику формы Земли. Гравитационные массы, движущиеся с переменным ускорением (при
движении планет по «кеплеровским» орбитам ускорение всегда переменно), излучают гравитационные волны, которые, воздействуя на тела, вызывают деформацию последних.» (с. 376).
В работе С.В. Авакяна (2013) предложен механизм трёхступенчатого триггерного воздействия факторов солнечно-геомагнитной активности на тропосферные характеристики. Это позволило автору рассматривать в качестве основы воздействий солнечной вариабельности на погодно-климатические характеристики ионизирующее излучение солнечных вспышек и корпускулярные высыпания при геомагнитных возмущениях, поскольку эти факторы солнечно магнитной активности - вспышки и геомагнитные бури - превалируют по энергетике, и, главное, по частоте повторяемости при сравнении с космическими лучами, как галактическими, так и солнечными. Автор утверждает, что по статистике распределения крупных солнечных вспышек и мировых магнитных бурь появляется возможность выявлять вариации в температуре приземного воздуха и интенсивности осадков в интервале 2-5.5 лет. Для статистики таких событий внутри 11-летнего цикла можно оценочно считать, что между максимумами значимых солнечных вспышек проходит 2-4 года, а для геомагнитных бурь этот период шире - 2-6 лет (Авакян, 2013).
Для расчёта прогнозных оценок урожайности сельскохозяйственных культур методом остаточных отклонений в совокупности с методом наложения эпох (Игуменцев и др., 1990) нами были использованы циклы, вошедшие в матрицу программы «Прогностик», включающие в себя ритмику солнечной (в числах Вольфа) и геомагнитной (индексы в нанотеслах) активности, гелиофизические константы солнечной активности, лунные периоды, орбитальные циклы планет Солнечной системы, «квазисингулярные» состояния движения географического полюса Земли, а также циклы спектра Фурье по ряду урожайности определенной культуры за последние 120 лет наблюдений. Матрица циклов в программе «Прогностик» является «ноу-хау» авторов данной статьи. Предполагается, что некоторые из циклов или многие ответственны за реальную ритмику процессов в биосфере в степной зоне Урала. При этом учитывался один из основополагающих тезисов В.И. Вернадского (1991, с. 95): «Основная и решающая часть научного знания - факты и их крупные и мелкие эмпирические обобщения. Научные теории и гипотезы не входят, несмотря на их значение в текущей научной работе, в основную и решающую часть научного знания. Основное значение гипотез и теорий - кажущееся».
Оптимальная фаза скользящего осреднения тренда в процессе обучения моделей определяется программой в автоматическом режиме.
В качестве примера в таблице 1 показаны результаты моделирования прогнозных оценок урожайности яровой пшеницы на базе элементарных периодических и циклических составляющих временного ряда, обозначенных выше как отражающие (предположительно) реальные события для производственных посевов ОПХ «Урожайное» Оренбургского НИИСХ (п. Чебеньки Оренбургского района Оренбургской области).
Совокупность циклов ритмики планет и гелиофизических констант, вошедших в структуру модели таблицы 1, представлена ниже. Длительность циклов и гелиофизических констант выражена в годах:
1.16; 18.61Л; 7.4к; 6.778; 11; (7+5)Л; 7+8; 25.2к; 19.85к; 19Л; 17; 13.25к; 8.85Л; 31.8к; 5+6; (8+3)Л; 10+11; 21; 20,
где 7.4к, 25.2к, 19.85к, 13.25к, 31.8к - периоды между «квазисингулярными» состояниями периодического движения географического полюса Земли; 18.61Л, (7+5)Л, 19Л, 8,85Л, (8+3)Л -лунные периоды; 1.16 - период Чандлера; 6.778, 11- циклы универсальных гелиофизических констант и несколько циклов, не имеющих пока точной интерпретации. Например, реальность существования в природе циклов 10.5 (10+11) и 20 лет обсуждается в работе Нгуен Тхи Ким Тхоа (1984). Они входят в спектр вековых вариаций геомагнитного поля. Циклы и периоды в данном случае считаются эпохами, ритмика которых обозначена в матрице программы, рассчитанной на длительные ряды наблюдений.
В этой же таблице показана модель ожидаемой урожайности яровой пшеницы, разработанной в нейронных сетях.
Моделирование, в сущности, представляло собой аппроксимацию огромного количества моделей (десятки и сотни тысяч) и выбор наиболее оптимального варианта.
Ряд наблюдений делится на выборки: обучающая, контрольная и тестовая. В нейронных сетях контрольная выборка назначалась без фиксации внутри ряда наблюдений (случайный повторный выбор).
2010 год - прогнозируется при уже известной величине урожайности и исполняет роль внешнего теста. Полученная модель без коррекции проецируется на 2014 год. Выявление совокупности
ритмических закономерностей, отражающих реальные события, реализуется в модели через тестовую выборку, которая включает 2010-2013 гг.
Таблица 1. Фактические и рассчитанные значения урожайности яровой пшеницы по этапам моделирования и прогноз урожайности на 2014 год. ОПХ «Урожайное» Оренбургского НИИСХ Оренбургская область, Оренбургский район, п. Чебеньки. Table 1. Actual and calculated values of the yield of spring wheat on the stages of modeling and forecast yield on the year 2014. OPH «Urozhainoye» Orenburg agricultural research InstituteOrenburg region, Orenburg distrikt, p. Chebenki.
Метод остаточных отклонений Метод нейронных сетей
совокупность циклов ритмики планет и гелиофизических констант многослойные персептроны в задаче прогнозирования временного ряда
Урожайность, центнер с 1 гектара
годы факт модель выборка годы факт модель выборка
1950 9.1 9.2 1950 9.10 9.23
1951 4.5 4.5 1951 4.50 4.49
1952 7.5 7.9 1952 7.50 7.95 Р &
1953 10.7 10.9 1 1953 10.70 10.97
1954 3.4 3.5 • •• • •• • •• о
1955 2.0 2.1 & 1954 3.4 9.0
• •• • •• • •• 1960 10.8 7.8
1998 7.0 7.1 О 1963 10.7 10.9
1999 22.6 21.7 1970 19.8 22.8 я е о & s
2000 18.0 17.2 1983 21.4 20.4
2001 16.0 15.6 1999 22.6 19.8
2002 14.5 12.9 2000 18.0 14.0
2003 10.5 11.6 3 и 2001 16.0 17.7
2004 10.0 10.5 2002 14.5 11.1
2005 4.0 3.6 е • •• • •• • •• §
2006 19.8 20.5 ^ 2006 19.8 18.6
2007 14.4 12.6 s 2007 14.4 15.7 ^ Ю
2008 20.6 19.6 2008 20.6 22.6
2009 14.5 12.8 2009 14.5 15.0 О
2010 3.3 3.9 тест 2010 3.3 2.9 тест
2011 20.0 20.0 § 2011 20.0 21.4 §
2012 9.1 10.0 | 2012 9.1 10.3 |
2013 13.5 13.4 ек о & 2013 13.5 12.5 (D О &
2014 - 17.16 2014 - 17.61
Корреляция = 0.991 Корреляция = 0.940
Среднее абсолютной ошибки = 0.7 центнер на 1 гектар Среднее абсолютной ошибки = 1.5 центнер на 1 гектар
Результаты разработки прогнозных оценок урожайности для различных районов Оренбургской области представлены в таблице 2. Получены близкие результаты прогнозных оценок на 2014 год при использовании разных математических алгоритмов. Это повышает вероятность соответствия ожидаемой и фактической урожайности.
Значительные различия фактических значений урожайности и прогнозных оценок её на 2014 год для Оренбургского района и Оренбургского НИИСХ объясняется более благоприятными погодно-климатическими условиями для территории опытно-производственного хозяйства института (называется ОПХ «Урожайное», 6 тыс. гектар пашни), обусловливающих более высокую эффективность современных технологий возделывания. Оренбургский же район занимает большую территорию с различными ландшафтными особенностями с площадью пашни более 150 тыс. га, на которой функционирует большое количество хозяйствующих субъектов с различными экономическими возможностями. Поэтому многолетняя ритмика временных рядов урожайности зерновых культур для ОПХ и для района формируется под влиянием как различной подстилающей
поверхности для локальных территорий, так и эффективности производственной деятельности отдельных хозяйств.
Таблица 2. Фактические и рассчитанные значения урожайности яровой пшеницы, ячменя и озимой ржи и прогноз урожайности этих культур на 2014 год для двух районов Оренбургской области. Table 2. Actual and calculated values of the yield of spring wheat, barley and winter rye and forecast the productivity of these crops for 2014 for two districts of the Orenburg region.
Год Урожайность, центнер с 1 гектара
пшеница яровая ячмень рожь озимая
модель факт модель факт модель факт
Метод остаточных отклонений. Ритмика планет и циклы гелиофизических констант
Бузулукский район
2011 10.0 8.1 14.6 15.5 14.6 16.2
2012 4.3 5.2 7.6 7.6 12.4 11.7
2013 4.0 7.7 8.3 8.3 16.8 17.5
2014 10.9 - 23.8 - 19.6 -
Оренбургский район
2011 8.9 8.9 13.6 13.3 13.7 13.7
2012 1.6 1.8 8.7 7.8 10.4 10.8
2013 3.9 5.1 7.7 7.3 13.2 10.0
2014 13.8 - 17.9 - 20.2 -
Нейронные сети. Многослойные персептроны в задаче прогнозирования временного ряда
Бузулукский район
2011 8.9 8.1 16.0 15.5 17.5 16.2
2012 6.3 5.2 9.8 7.6 11.5 11.7
2013 5.7 7.7 9.6 7.3 18.6 17.5
2014 9.6 - 17.3 - 21.8 -
Оренбургский район
2011 8.20 8.9 12.9 13.3 12.3 13.7
2012 1.8 1.8 7.0 7.8 11.3 10.8
2013 5.5 5.1 8.8 7.3 10.8 10.0
2014 14.3 - 16.5 - 20.3 -
В литературе имеются многочисленные указания на то, что как солнечная, так и геомагнитная активность по разному проявляют себя во времени и в пространстве. В одних районах земного шара влияние этих факторов весьма вероятно, в других оно сведено к минимуму или вовсе отсутствует (Логинов, 1974; Рубашев, 1974; Усманов, 1974). Обобщая в связи с этим литературные данные по изучению многоритмичной структуры агрометеорологических рядов, В. А. Понько (1983) делает вывод о том, что можно выделить пространственные особенности, ареалы распространения тех или иных циклов. Наличие таких ареалов он объясняет с одной стороны зональностью и временными закономерностями общей циркуляции атмосферы, а с другой - местными особенностями подстилающей поверхности (рельеф, почва, растительность) и, возможно, геомагнитного поля. Осмысление этого аспекта проблемы приводит к необходимости разработки прогностических моделей урожайности для ограниченных природных областей, регионов, микрозон, отражающих зональное районирование административных территорий. Это предположение подтверждается для природных зон Южного Урала (Тихонов, 2005).
Для выявления (выделения) реально функционирующих циклов в ограниченных природных регионах степной зоны Урала авторами данной статьи потрачено много лет.
Фактически приходится использовать метод проб и ошибок.
Выводы
Полученные результаты дают основание утверждать, что нами установлены основные совокупности циклов (периодов), отвечающие за формирование реальной ритмики урожайности
озимых и яровых зерновых культур в границах Оренбургской области.
Использование прогностической информации в засушливых условиях Южного Урала даёт возможность принимать управленческие решения по оптимизации, например, соотношения площадей под зерновыми культурами, реализуя таким способом один из путей более эффективного расходования климатических ресурсов влаги. Это соответствует стратегии народно-хозяйственных планов повышения энергетической эффективности сельскохозяйственного производства. Кроме того, позволяет исключить необоснованные затраты на производство сельскохозяйственной продукции в условиях часто повторяющихся засух (т.е. предотвращать ущерб, который исчисляется в каждый год засухи миллиардами рублей). Так, по данным министерства сельского хозяйства и перерабатывающей промышленности Оренбургской области, площадь гибели сельскохозяйственных культур от засухи в 2013 году составила 590.4 тыс. га, сумма затрат оценивается в 1.812 млрд. рублей. Пострадали 724 хозяйства.
Данная работа актуальна не только для степной зоны Юго-Востока и Южного Урала, но и для всей степной зоны Российской Федерации.
СПИСОК ЛИТЕРАТУРЫ
Авакян С.В. 2013. Роль активности Солнца в глобальном потеплении // Вестник Российской академии наук. Т.83. № 5. С. 425-436.
Акимов Л.М. 2013. Выявление циклических колебаний во временном ходе условий увлажнения г. Воронеж //
Аридные экосистемы. Том 19. № 4 (57). С. 59-63. Акимов Л.М. 2012. Использование цепей Маркова для вероятностного прогноза различных условий увлажнения
вегетационного периода на примере Воронежа // Аридные экосистемы. Том 18. № 4 (53). С. 28-34. Вернадский В.И. 1991. Научная мысль как планетное явление. М.: Наука. 271 с.
Завалишин Н.Н. 1983. Циклические компоненты в динамике планетных конфигураций / Цикличность увлажнения
юга Западной Сибири // Науч. - техн. бюлл. СО Новосибирск: РПО СО ВАСХНИЛ, С. 20-38. Игуменцев А.Ф., Шикота Н.Г., Лазуренко Э.К., Григоренко Г.Ф. 1990. Цикличность погоды и прогнозирование
урожайности сельскохозяйственных культур. Луганск. 48 с. КлиментьевА.И. 2010. Бузулукский бор: почвы, ландшафты и факторы географической среды. Екатеринбург: УрО РАН. 401 с.
Константиновская Л.В. Солнечная активность. http://www.astronom2000.info/
Логинов В.Ф. 1974.О реальности солнечно-атмосферных связей в проблеме Солнце - нижняя атмосфера /
Солнечно-атмосферные связи в теории климата и прогнозах погоды. - Л.: Гидрометеоиздат. С. 19-22. МерсХ.Т., ШламмингерЛ. 1982. Движение планет, солнечные пятна и климат / Солнечно-земные связи, погода и климат. М.: Мир. С. 222-235.
Нгуен Тхи Ким Тхоа. 1984. История магнитного поля Земли и современные концепции в геологии и геофизике //
Будущее науки. М.: Знание. Вып. 17. С. 141-154. Плазменная гелиогеофизика. 2008. / Под редакцией Л.М. Зелёного, И.С. Веселовского. В 2-х томах. М.:
Физматлит. Т. 1. 672 с. Т. 2. 560 с. Пономарёва О.В. 2011. Связь вариаций гравитационной постоянной с некоторыми геодинамическими
показателями. http://www.emsd/ru/konf091011/pdf/junior/07/pdf Пономарёва О.В. 2008. Роль планет и планетных групп в активности Солнца // Труды региональной научно-
технической конференции. Петропавловск-Камчатский: ГС РАН. Т.2. С. 212-216. Пономарёва О.В. 2007. О механизме возмущения периодического движения полюса Земли планетами Солнечной системы // Материалы ежегодной конференции, посвящённой дню вулканолога. ИВиС ДВО РАН. С. 202-213. Понько В.А. 1991. Геокосмические связи как информационная основа долгосрочного прогнозирования / Вопросы агроэкологического прогнозирования // Науч.-техн. бюлл. СО РАСХН. Новосибирск: РПО СО РАСХН. Вып. 5. С. 19-32.
Понько В.А. 1983. О природе циклов погоды и климата / Цикличность увлажнения юга Западной Сибири / Науч.-
техн. бюлл. СО ВАСХНИЛ. Новосибирск: РПО СО ВАСХНИЛ, 1983. № 45. С. 2-20. Рубашев Б.М. 1974. Проявление долговременных периодов колебаний солнечной активности в атмосферном давлении и температуре / Солнечно-атмосферные связи в теории климата и прогнозах погоды. Л.: Гидрометеоиздат. С. 43-55.
Сазонов Б.И. 1987. К оценке циклических составляющих случайных рядов / Тр. 5-го Всесоюзного совещания по
применению статистических методов в метеорологии. Л.: Гидрометеоиздат. С. 207-212. Тихонов В.Е. 2005. Засуха в степной зоне Урала / Издание второе, дополненное. Оренбург: ООО «Агентство «Пресса». 347 с.
Усманов Р.Ф. 1974. О роли неоднородностей земной коры при воздействии солнечной активности на атмосферу /
92 ДОЛГОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ В СТЕПНОЙ ЗОНЕ УРАЛА Солнечно-атмосферные связи в теории климата и прогнозах погоды. Л.: Гидрометеоиздат. С. 149-160.
LONG-TERM FORECASTING OF CROP YELDS IN THE STEPPE ZONE OF THE URALS ON THE BASIS OF MODERN METHODS OF ESTIMATION OF SUN-EARTH RELATIONS
© 2014. V.E. Tikhonov, A. A. Neverov
Orenburg scientific research Institute of agriculture of the Federal Agency of scientific organizations Russia, 460051 Orenburg, Gagarin Avenue, H. 27/1. E-mail: [email protected]
The solution of problem was based on the contemporary knowledge the rhythms of sun-earth connections. The forecast estimations of productivity were simulated with the application of a method of neuron networks (multilayer perceptrons in the forecasting problem of time series) and method of residual deviations in conjunction with the method of the overlay of epochs. In three years of experiments are obtained the encouraging results of forecasting the yield. The advance forecasts yield prevents in the years of droughts the unjustified expenditures of energy resources, countable by billion rubles in one only of the Orenburg region.
Keywords: drought, the rhythm of time series, the methods of description of nonlinear connection, yield forecasts.
