CC BY
37
ISSN 0131-5226. Теоретический и научно-практический журнал. _ИАЭП. 2016. Вып. 88._
УДК 631.151
А.И. СУХОПАРОВ, канд. техн. наук; А.В. СПЕСИВЦЕВ, канд. техн. наук
ОЦЕНКА ВЛИЯНИЯ ФАКТОРОВ НА ПРОЦЕСС ЗАГОТОВКИ КОРМОВ ИЗ ТРАВ
Представлен универсальный метод извлечения и формализации знаний экспертов-специалистов в виде прогностических логико-лингвистических моделей, на базе которых можно осуществлять принятие рациональных технико-технологических решений в процессе производства сельскохозяйственной продукции. Получена полиномиальная модель оценки состояния трудноформализуемого технологического процесса заготовки кормов из трав, которая учитывает взаимодействие имеющихся ресурсов и стохастических факторов, а так же степень их влияния на объем заготовки кормов.
Ключевые слова, корма из трав; методика; прогнозирование; экспертная оценка; получение моделей.
A.I. SUKHOPAROV, Cand. Sc. (Engineering); A.V. SPESIVTSEV, Cand. Sc. (Engineering)
IMPACT ASSESSMENT OF FACTORS ON GRASS FORAGE MAKING
The paper presents the universal method of extraction and formalization of knowledge of experts in the form of predictive logical-linguistic models, which may be the basis for sustainable technological solutions in the course of production of agricultural products. A polynomial model was designed to estimate the status of difficult-to-formalize technological process of grass forage making. The model considers the interaction of available resources and stochastic factors, as well as the extent of their influence on the volume of grass forage making.
Key words, grass forage; methodology; forecasting; expert estimation; models creation.
В формировании технологического процесса производства кормов из трав задействовано множество факторов часто неопределенного характера, плохо поддающиеся управлению, что затрудняет эффективное осуществление технологического процесса получения высококачественных кормов из трав. Управление технологическим процессом производства кормов из трав представляет многоуровневую структуру [1]. Широкий выбор
116
Технологии и технические средства механизированного производства продукции растениеводства и животноводства_
способов и технических средств обеспечивает многовариантность технологий. Выбор оптимального технико-технологического решения из существующих вариантов на каждом уровне осуществляется на базе математических моделей и закономерностей протекания технологического процесса.
Для сложной технологической системы, какой является производство кормов из трав, свойственно в процессе ее функционирования множество информационных потоков различного назначения с разными уровнями дискретности, достоверности, точности и других метрологических характеристик, что затрудняет описание и количественную оценку технологического процесса. Как правило, многообразие информации требует применения соответствующих методов ее свертки для решения практических задач [2]. В целом принятие решений осуществляется на формализованном уровне и неформализованном. Применяемые для описания сложных систем детерминированные, статистические и физико-статистические методы (формализованный уровень) не эффективны ввиду сложности получаемых моделей, трудоемки и затруднены в практическом применении. Наиболее целесообразным методом, позволяющим учесть многообразие факторов, является экспертный метод (неформализованный уровень). Однако он лишен такого качества, как адекватная количественная оценка информации, поступающей от эксперта-специалиста. А для осуществления эффективного управления технологической системой необходима полная формализация всех факторов.
В работе [3] представлена методика формализации неявных экспертных знаний. В качестве факторного пространства в данном исследовании экспертом выбраны переменные: почвенный ресурс (Х1), кормовой ресурс (Х2), технологический ресурс (Х3), технико-административный ресурс (Х4) и почвенно-климатические условия (Х5). Обобщенный показатель объёма заготовленных кормов рассматривается как возможное достижение предметной области при осуществлении управления технологическим процессом. В нашем случае, онопределяется перечисленными переменными Х1-Х5.
Эффективность осуществления технологического процесса производства кормов находится на высоком уровне, если осуществили заготовку максимально возможного объёма качественных кормов (силос, сенаж, сено), выраженных, через выход зеленой массы с 1 га убираемой площади (рис. 1). При негативном
117
стечении условий, обусловливающих заготовку кормов из трав, получим совсем небольшой выход зеленой массы (менее 1 т/га), что условно можно характеризовать, как 0 т/га, т.е. «низкое» значение (Н), а при благоприятном - 24 т/га (на основании урожайности травостоев, получаемых на сортоучастках, благоприятных погодно-климатических условиях и т.д.) «высокое» значение (В). Фактически на рис. 1 представлены три шкалы: лингвистическая - в виде словесных выражений (вверху), их «арифметизация» - перевод в численную форму надоя молока (ось абсцисс) с определенной субъективной вероятностью, изменяющейся в интервале от 0 до 1 (ось ординат), а также необходимые согласно теории планирования экспериментов крайние точки оппозиционной шкалы «-1» и «+1». Обозначения термов и их численных значений, характеризующих технологический процесс производства кормов из трав, приведены в таблице 1.
низк ниже сре выше вы
Рис.1. Y - объем заготовленного корма, выраженный через объем зеленой массы
Таблица 1
_Обозначения термов и их численные значения параметров_
Интервалы (термы) Моды интервалов (выход зеленой массы, т/га) Название мод Обозначение мод
3 и ниже 0 низкая Н
0-6,0 3,0 низкая и ниже средней ННС
3,0-9,0 6,0 ниже средней НС
6,0-12,0 9,0 ниже средней и средняя НСС
9,0-15,0 12,0 средняя С
12,0-18,0 15,0 выше средней и средняя ССВ
15,0-21,0 18,0 выше средней ВС
18,0-24,0 21,0 высокая и выше средней ВВС
21,0 и выше 24,0 высокая В
Технологии и технические средства механизированного производства продукции растениеводства и животноводства_
Поскольку все переменные факторного пространства представлены в стандартизованном масштабе, т.е. приведены к интервалу [-1, +1], то при варьировании эти переменные принимают максимальные значения, как показано на рисунке 1 по оси абсцисс. А в дальнейшем и в опросной таблице 2 с оценками экспертов степени влияния ресурсов и погодных условий (характерных для Северо-запада России) на эффективность технологического процесса производства кормов из трав.
Таблица 2
Опросная таблица экспертов_
Почвенный ресурс Кормовой ресурс Технологический ресурс Технико-административный ресурс Погодные условия Обобщенный показатель заготовленной зелёной массы Объем заготовленной зелёной массы, т/га
Хо Х1 Х2 Х3 Х4 Х5 У Y
1 1 -1 -1 -1 -1 -1 Н 0
2 1 -1 -1 -1 -1 1 НС 6
3 1 -1 -1 -1 1 -1 ННС 3
7 1 -1 -1 1 1 -1 НСС 9
8 1 -1 -1 1 1 1 С 15
9 1 -1 1 -1 -1 -1 НС 3
30 1 1 1 1 -1 1 СВВ 18
31 1 1 1 1 1 -1 ССВ 9
32 1 1 1 1 1 1 В 24
Каждая строка таблицы 2 представляет собой продукционное правило импликативного типа «ЕСЛИ ..., ТО ...». Например, строка 7 в таблице 2 в лингвистическом виде читается так: «ЕСЛИ Х1 -почвенные ресурсы - «низкие», Х2 - кормовые ресурсы - «низкие», Х3- технологические ресурсы - «высокие», Х4 - технико-административные ресурсы - «высокие», Х5 - погодные условия -«низкие», ТО значение Y - обобщенного показателя выхода зеленной массы с 1 га - между «ниже среднего и средним», т.е. 9 т/га».
Переведенные в числовую меру по рис.1 экспертные значения, после соответствующей обработки на ПК в программе
«Мюг^ойОГйсеЕхсеЪ» заполненной специалистом опросной таблицы 2 (последний столбец), позволили получить выражение технологического процесса производства кормов из трав с учетом степени влияния сгруппированных ресурсов и погодных условий:
Y = 10,312 + 0,750X +1,875X2 + 3,375X3 + 0,750X4 + 3,562X5 + + 0,375X1Х5 + 0,375X2X5 + 0,375X3X5 + 0,750Х4Х5 - 0,375X1X2Х3 - 0,375Х2Х3Х4 + 0,562X2X4Х5 + 0,562X3X4Х5
. (1)
В выражении (1) приведены только значимые коэффициенты. Полином не линеен и включает взаимодействия третьего порядка, что свидетельствует, о сложности описываемого явления.
Анализируя полиномиальную модель (1) можно сделать вывод, что наибольшее влияние на заготовку кормов из трав оказывает принятая технология и погодные условия, существенную роль в формировании кормовой базы играет непосредственно процесс выращивания многолетних трав, меньше влияют почвенные ресурсы, а так же технико-административный ресурс и совокупное воздействие технологического ресурса и погодных условий. Таким образом, осуществляя внедрение в производстве интенсивных технологий и осуществляя маневрирование ими можно добиться большей эффективности в формировании надежной кормовой базы, чем, просто приобретая высокопроизводительную надежную технику и выращивать травы на плодородных заливных лугах. Расчет производства качественных кормов, выраженных через выход зеленной массы с 1 га, по поученной модели (1) и их фактические объемы по разным хозяйствам Ленинградской области приведены в таблице 3.
Сельскохозяйственное предприятие ЗАО «Андреевское», согласно шкале рис. 1, следует отнести к терму НС («ниже среднего и среднее»), тогда как ОАО «Рассвет» - ближе к терму С («среднее»), а хозяйство ФГБУ «Каложицы» - к терму ВС («среднее и выше среднего»). Расхождение показателей (А) составляет не более 5%. Таким образом, полиномиальная модель, полученная для условий Северо-Запада России, адекватно описывает технологический процесс заготовки кормов из трав в хозяйствах Ленинградской области с различной степенью организации производства.
Технологии и технические средства механизированного производства продукции растениеводства и животноводства_
Таблица 3
Расчетные и фактические значения выхода зеленой массы кормов
Хозяйство Почвенный ресурс Кормовой ресурс Технологический ресурс Технико-административный ресурс Погодные условия Выход зеленой массы с 1га, т
Х1 Х2 Хз Х4 Х5 ^ас YФак А, %
ФГБУ «Каложицы» Волосовский район 0 0,7 0,5 0,4 0,5 15,29 9 14,6 4,8
ОАО «Рассвет» Лужский район -0,4 0,2 0,1 -0,2 0,5 11,91 4 12,0 -0,7
ЗАО «Андреевское» Тихвинский район -0,5 -0,6 -0,4 -0,7 0,6 8,180 8,5 -3,9
Сложившаяся практика оценивания и особенно прогнозирования протекания технологического процесса производства сельскохозяйственной продукции, в частности заготовки кормов из трав, вероятностно-статистическими методами требует, как правило, наличия убедительной статистики. Но среди сельскохозяйственных предприятий вряд ли найдется несколько одинаковых по своим характеристикам и условиям. Использование же новых аппаратных средств в виде синтеза теории нечетких множеств и планирования экспериментов при извлечении и формализации экспертных знаний позволяет уйти от формального требования репрезентативности исходных выборок для повышения достоверности результатов прогноза и при этом учесть многокомпонентную информацию в расчетах. В связи с этим, формализация экспертных знаний в области производства сельскохозяйственной продукции способствует созданию многофакторных полиномиальных моделей, которые включают в себя информацию различной физической размерности и природы, апробированные опытом и интуицией эксперта-агронома. А на основании данных моделей можно осуществлять прогнозирование и оперативное принятие рациональных технико-технологических решений в процессе производства.
ISSN 0131-5226. Теоретический и научно-практический журнал. _ИАЭП. 2016. Вып. 88._
СПИСОК ЛИТЕРАТУРЫ
1. Попов В.Д., Сухопаров А.И. Информационная и структурная модели управления технологиями в растениеводстве // Вестник РАСХН. 2010. №3. С. 7-8.
2. Охтилев М.Ю., Соколов Б.В., Юсупов Р.М. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов. М.: Наука, 2006. 409 с.
3. Спесивцев А.В. Управление рисками чрезвычайных ситуаций на основе формализации экспертной информации. СПб: Изд-во Политехн. ун-та, 2004. 238 с.
УДК 631.152
Е.В. ТИМОФЕЕВ, канд. техн. наук
КОНТРОЛЬ РАБОТЫ СЕЛЬСКОХОЗЯЙСТВЕННЫХ АГРЕГАТОВ НА ОСНОВЕ СПУТНИКОВЫХ НАВИГАЦИОННЫХ СИСТЕМ
В статье рассмотрено состояние систем мониторинга для сельскохозяйственного производства. Актуальность этой проблемы вызвана необходимостью повышения конкурентоспособности сельскохозяйственной продукции. А для этого необходимо строго контролировать работу технических средств, выполняющих операции в технологическом процессе сельскохозяйственного производства. На рынке с начала 2000-х годов стали применяться спутниковые навигационные системы. В статье рассмотрены различные аналоги от зарубежных и отечественных производителей. Проанализированы продукты ведущих мировых производителей сельскохозяйственной техники, таких как «Джон Дир» иClaas, а также отечественные разработки от ведущих компаний по производству навигационного оборудования М2М Телематика и ООО «Агронавт» и др. Для оценки их возможностей были проанализированы данные систем по 10 различным критериям. Данный анализ показал, что наиболее точную оценку работы технических средств осуществляет система от фирмы Claas. Однако ее существенным недостатком является высокая стоимость и несовместимость с техническими средствами других производителей.
Чтобы оценить возможности использования системы мониторинга транспортных средств на базе устройства TeltonikaFM-4200, были проведены исследования в одном из хозяйств Ленинградской области. По результатам
122
