CC BY
16
Информатика, вычислительная техника и управление. Приборостроение. Метрология. Информационно-измерительные приборы и системы
УДК 004.94: 631.559 Астафьева Марина Николаевна,
аспирантка, Иркутская государственная сельскохозяйственная академия,
тел. (3952) 237-692, e-mail: astafeva_mn@mail.ru
ОБ ИНФОРМАЦИОННОЙ СИСТЕМЕ МОДЕЛИРОВАНИЯ БИОПРОДУКТИВНОСТИ РАЗЛИЧНЫХ КУЛЬТУР ДЛЯ ПЛАНИРОВАНИЯ ПРОИЗВОДСТВА ПРОДОВОЛЬСТВЕННОЙ ПРОДУКЦИИ
M.N. Astafeva
ON INFORMATION SYSTEM OF MODELING DIFFERENT CULTURES BIOLOGICAL PRODUCTIVITY FOR PLANNING FOOD PRODUCTION
Аннотация. В работе проведен анализ существующих информационных систем (ИС) управления растениеводством. Создан проект ИС, предназначенной для планирования производства продукции, с учетом особенностей рядов биопродуктивности. Предложена идея взаимодействия созданной ИС с различными программными продуктами, обеспечивающими качественные решения задач и их наглядное представление.
Ключевые слова: информационная система, моделирование биопродуктивности, имитационное моделирование, статистическая обработка рядов.
Abstract. In the work the existing information systems (IS) of plant cultivation management have been analyzed. The IS project was designed for production planning taking into account the series of biological productivity. We propose an idea of IS interaction with various software products that provide high-quality solving of problem and their visual representation.
Keywords: information system, modeling biological productivity, simulation, statistical analysis of series.
В условиях современного производства растениеводческой продукции производителю необходимо иметь четкое представление о влиянии на процесс выращивания сельскохозяйственных культур различных природно-климатических и агротехнологических факторов. Знание и учет взаимодействия этих факторов позволят получать высокие урожаи при одновременном повышении плодородия почв и экономии затрат.
Результатом моделирования урожайности сельскохозяйственных культур является разработка мероприятий, позволяющих приблизить факти-
ческую биопродуктивность (урожайность) в производстве к потенциальной. В настоящее время существуют различные информационные системы (ИС), позволяющие программировать урожайность с использованием различных математических методов и экспертных оценок.
Среди современных отечественных разработок в области растениеводства выделим следующие системы:
- конфигурация «АдептИС: Сводное планирование в сельском хозяйстве» для «1С: Предприятие 8.0»;
- географическая информационная система «ПанорамаАГРО»;
- «АРМ Агронома-Землеустроителя», созданная в ГНУ СибФТИ СО РАСХН;
- автоматизированная ИС «Хозяйство», разработанная министерством сельского хозяйства Иркутской области, и др. [1].
Перечисленные информационные системы полностью или частично автоматизируют производство растениеводческой продукции на основе точного земледелия, анализа севооборота, нормирования работ. К недостаткам систем можно отнести отсутствие: сравнительного анализа результатов моделирования с применением различных методов; учета неоднородности анализируемых рядов при создании моделей, влияния изменчивости климатических параметров; использования результатов прогнозирования в задачах оптимизации производства сельскохозяйственной продукции различных отраслей и их сочетания и др. Поэтому актуально создание информационной системы моделирования биопродуктивности с применением различных подходов, методов моделирования и прогнозирования.
Рис. 1. Декомпозиция функции «Моделирование биопродуктивности культур для планирования аграрного производства с учетом особенностей данных»
Согласно построенной функциональной модели, основной задачей информационной системы является моделирование биопродуктивности культур для планирования аграрного производства с учетом особенностей данных (рис. 1). Блок входной информации, выделенный при декомпозиции основной функции, включает в себя систематизированные данные многолетних рядов урожайности различных сельскохозяйственных культур по муниципальным образованиям Иркутской области за 1996-2011 гг., площади посевов данных культур и объем полученного валового сбора. Поскольку на биопродуктивность оказывают влияние природно-климатические и агротехнические факторы, помимо перечисленных параметров использованы гидрометеорологические данные (месячные осадки за вегетационный период, средняя месячная температура, число дней бездождевого и безморозного периода по различным пунктам наблюдений Иркутской области за 1962-2011 гг.) и агротехнические параметры, представляющие собой нормативно-справочные сведения.
Выходными данными являются смоделированные значения урожайности сельскохозяйственных культур и оптимальный план размещения посевов сельскохозяйственных культур. Блок управления включает в себя математические модели, методы и алгоритмы. Механизмами для выполнения процесса являются пользователь (агроном) и ИС.
Очевидно, что система является открытой, поэтому с ее помощью можно решить и другие задачи, в частности задачу оптимизации производства растениеводческой или животноводческой продукции и их сочетания, оптимизации исполь-
зования земельных ресурсов, построения многофакторных зависимостей урожайности от параметров тепла и увлажненности. Кроме того, имеется возможность расширения базы данных.
Главные требования к информационной системе вытекают из ее назначения - предоставлять пользователю полную и систематизированную информацию о различных аспектах изменчивости урожайности сельскохозяйственных культур с одновременным раскрытием методики выбора приемлемых вариантов развития [2]. Систему моделирования урожайности сельскохозяйственных культур можно использовать для решения следующих задач:
- оказание информационной и методической поддержки различным пользователям;
- оценка статистической структуры ряда;
- определение взаимосвязей между рядами;
- определение оценок и прогнозов урожайности сельскохозяйственных культур;
- выделение основных факторов, влияющих на урожайность;
- комплексное определение изменчивости рядов урожайности;
- оптимизация размещения посевов сельскохозяйственных культур при различных природно-климатических и антропогенных условиях и др.
На основании анализа теоретических и эмпирических данных создана модель информационной системы (рис. 2). Информационная система включает в себе данные, получаемые из следующих внешних источников: территориальные органы статистики, гидрометеорологические службы,
Информатика, вычислительная техника и управление. Приборостроение. Метрология. Информационно-измерительные приборы и системы
Рис. 2. Модель взаимодействия информационной системы с внешними объектами
министерство сельского хозяйства и предприятия, а также мнения экспертов.
Структура любой информационной системы может быть представлена информационным, техническим, математическим, программным, организационным и правовым обеспечением [3].
Пользователями системы являются сельскохозяйственные товаропроизводители (в лице агронома предприятия), специалисты министерства сельского хозяйства и другие.
База данных как информационное обеспечение системы состоит из следующих сущностей: культура; зона; муниципальное образование; агротехнические параметры; природно-климатические параметры; поле; урожайность; реестр; справочник ресурсных затрат. В нее входят сведения для построения различных моделей, прогнозирования урожайности сельскохозяйственных культур, оптимизации размещения посевов и составления экспертных оценок.
Модель данных построена с помощью CASE-средства ERWin, предназначенного для концептуального моделирования баз данных, и сгенерирована в систему управления базами данных (СУБД) Microsoft SQL Server (рис. 3).
Математическое обеспечение информационной системы позволяет использовать статистические методы обработки рядов урожайности сельскохозяйственных культур, применять авторегрессионные, факторные, трендовые и оптимиза-
ционные модели, оценки экспертов, кластерный анализ для прогнозирования и планирования урожайности и размещения посевов. Система позволяет рассчитывать различные статистические параметры, подбирать с помощью критериев согласия законы распределения вероятностей, оценивать потоки событий и повторяемость нижних и верхних оценок урожайности, проводить пространственно-временной анализ информации. На основе корреляционно-регрессионного и автокорреляционного анализов можно строить одно-и многофакторные модели. Кроме того, система предоставляет возможность анализировать временные ряды урожайности, строить тренды и авторегрессионные уравнения, применять задачи математического программирования для планирования сельскохозяйственного производства в условиях неполной информации.
Возможность описания биопродуктивности с помощью законов распределения вероятностей позволяет решать задачи оптимизации структуры производства отраслей сельского хозяйства и их сочетания с применением метода статистических испытаний (рис. 4). При этом необходимо учитывать значимые первые коэффициенты автокорреляции рядов урожайности сельскохозяйственных культур.
Вместе с тем короткие и неоднородные ряды урожайности сельскохозяйственных культур можно оценивать в виде интервальных параметров.
Рис. 3. Схема данных в СУБД Microsoft SQL Server
Рис. 4. Алгоритм оптимизации размещения сельскохозяйственных культур с вероятностными параметрами
Другими словами, определяется некий диапазон решений задачи математического программирования с параметрами, оцениваемыми верхними и нижними значениями ряда.
На рис. 5 показан алгоритм оптимизация размещения посевов сельскохозяйственных культур с учетом интервальных параметров, моделируемых с помощью метода статистических испытаний.
Информатика, вычислительная техника и управление. Приборостроение. Метрология. Информационно-измерительные приборы и системы
Определение предельных значений
„ ,max , .min
параметра y< - у< у<
Моделирование рядов урожайности у^- в виде случайных чисел в
заданных интервалах, где г = 1, п,
5 = 1, к, ] = 1, N , п - количество
полей, к - число сельскохозяйственных культур, N -
" I "
Вычисление критерия оптимальности в виде затрат на получение сельскохозяйственной продукции Л по полученным
/*max /*min rm<
ОпреДеление /min , /min , fmi
тв<$ шт
ш
уборки полей. Сравнение информации экспертов и прогнозных оценок могут пополнить базу данных и использовать ее для корректировки прогнозов.
Расчет статистических параметров Су , уi
Оценка наличия связи между рядами у
Выбор закона распределения вероятностей для независимых рядов
Рис. 5. Алгоритм оптимизации размещения сельскохозяйственных культур с использованием метода статистических испытаний для интервальных величин
урожайности сельскохозяйственных культур
Помимо моделей, характеризующих случайные, слабосвязные выборки и некоторый интервал значений, анализируют различные связи между рядами урожайности сельскохозяйственных культур. В первом случае ряды являются случайными, а между некоторыми урожайностями имеются связи. Во втором случае ряды характеризуются слабыми коэффициентами автокорреляции и значимыми междурядными зависимостями. Кроме того, ряды могут быть случайными, слабосвязными и зависимыми. Для первого случая предложен следующий алгоритм оптимизации размещения сельскохозяйственных культур с учетом междурядных связей (рис. 6).
Значимое место в математическом обеспечении отводится построению многофакторных зависимостей урожайности сельскохозяйственных культур от климатических и агротехнических факторов [4].
На предварительном этапе осуществляется анализ различных факторов, из которых определяются наиболее значимые для моделирования. В зависимости от особенностей фактора строится качественная модель. Очевидно, что факторы могут обладать случайностью, значимой автокорреляционной связью, трендом и др. Эти особенности являются основой оценки изменчивости урожайности. Кроме того, при прогнозировании урожайности можно использовать экспертные оценки, например мнения агрономов по получению урожая сельскохозяйственной культуры в период вегетации или за конкретную заблаговременность до
Определение функции уц = /(у .) для коррелируемых рядов, где г = 1, щ, ъ = 1, п2
V--,--и
I
^--
Определение ^ и соответствующих им вероятностей распределения по формуле
сложения ^ р )
Моделирование независимых рядов урожайности у в виде случайных чисел и
зависимых - согласно функции уи = /(у„ )
Вычисление критерия оптимальности ^
J
Рис. 6. Алгоритм оптимизации размещения сельскохозяйственных культур с учетом корреляции между рядами урожайностей сельскохозяйственных культур
При проектировании интерфейса ИС необходимо обеспечить удобство использования, эстетическую привлекательность, простоту модернизации и сопровождения. В соответствии с этим главное окно разрабатываемой ИС содержит строку меню, панель инструментов и рабочую область. Фрагмент интерфейса главного окна ИС «Моделирование биопродуктивности сельскохозяйственных культур» представлен на рис. 7.
Рис. 7. Интерфейс информационной системы
<=1
Для просмотра и добавления информации, хранящейся в базе данных, необходимо выбрать соответствующий пункт меню «Данные». Например, чтобы посмотреть данные об урожайности сельскохозяйственных культур, необходимо в меню «Данные» выбрать «Урожайность».
Для прогнозирования урожайности сельскохозяйственных культур на определенный период необходимо в пункте меню «Прогнозирование» выбрать одну из предложенных моделей, построение которой осуществляется программой SPSS.
Помимо прогнозирования урожайности система позволяет планировать размещение посевов сельскохозяйственных культур с учетом вероятностного характера переменных, внутрирядных и междурядных зависимостей. Результат оптимизации размещения посевов отображается на карте области путем подключение к ГИС «ПанорамаА-ГРО».
Таким образом, в статье проанализированы отечественные разработки ИС в области растениеводства, на основе которых предложена ИС, расширяющая функции моделирования урожайности сельскохозяйственных культур и применения полученных результатов для оптимизации размещения посевов сельскохозяйственных культур.
Построена функциональная модель ИС, в которой определены входные и выходные данные, механизмы выполнения основной функции и управляющая документация.
Выделены основные сущности базы данных. Описано взаимодействие ИС с внешними объектами, определены основные требования к различным обеспечивающим подсистемам, в том числе математические модели и методы, используемые в ИС. На основании полученных данных разработан
пользовательский интерфейс, позволяющий прогнозировать урожайность сельскохозяйственных культур для планирования аграрного производства.
Поскольку разработанная ИС является открытой, функции моделирования урожайности сельскохозяйственных культур могут быть расширены для решения разнообразных задач производства сельскохозяйственной продукции. Кроме того, система может взаимодействовать с другими информационными системами управления сельскохозяйственным производством.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Асалханов П.Г. Прогнозирование оптимальных сроков посева зерновых культур с учетом изменчивости агроклиматических показателей / П.Г. Асалханов // Винеровские чтения: Труды IV Всероссийской конференции. - Иркутск: ИрГТУ, 2011. - Ч. 1. - С. 219-224.
2. Елохин В.Р. Модель информационной системы оценки изменчивости экстремальных природных явлений / В.Р. Елохин, Я.М. Иваньо, Н.В. Старкова // Известия Иркутской государственной экономической академии. - 2009. - № 5 (67) - С.152-157.
3. Макарова Н.В. Информатика Учебник, 3-е пе-рераб. изд. /Под ред. проф. Н. В. Макаровой. -М.: Финансы и статистика, 2000. - 768 с.
4. Астафьева М.Н. Факторный анализ урожайности сельскохозяйственных культур в агроланд-шафтных районах региона /Астафьева М.Н. // Научные исследования и разработки к внедре-ниюв АПК: Материалы международной научно-практической конференции молодых ученых - Иркутск: ИрГСХА, 2012. - С. 353-358.
