CC BY
30
. . ... . Инженерно-техническое обеспечение
Вестник Курганской ГСХА № 4, 2014 сельского хозяйства
УДК 551.511.6
Р. М. Бисчоков, А. А. Аджиева, С. Р. Тхайцухова
ПРИМЕНЕНИЕ НЕЧЕТКОЙ ЛОГИКИ ДЛЯ АНАЛИЗА РИСКОВ В АГРАРНОМ СЕКТОРЕ
КАБАРДИНО-БАЛКАРСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ
ИМЕНИ В. М. КОКОВА
R. M. Bischokov, A. A. Adzhiyeva, S. R. Tkhaytsukhova APPLICATION OF FUZZY LOGIC FOR RISK ANALYSIS IN AGRARIAN SECTOR KABARDINO-BALKARIAN STATE AGRARIAN UNIVERSITY BY V. M. COCOV
Разрабатывается методика минимизации риска снижения производства продукции сельского хозяйства в зависимости от климатических изменений в центральной части Северного Кавказа.
Ключевые слова: климат, температура, анализ, нечеткая логика, оценка риска, климатические зоны.
The technique of risk minimization in decreasing agriculture production depending on climatic changes in Central part of the North Caucasus is developed.
Key words: climate, temperature, analysis, fuzzy logic, risk assessment, climatic zones.
Руслан Мусарбиевич Бисчоков
Ruslan Musarbiyevich Bischokov кандидат физико-математических наук, доцент
E-mail: [email protected]
Аида Анатольевна Аджиева
Aida Anatolyevna Adzhiyevа
доктор физико-математических наук,
доцент
Тхайцухова Светлана Руслановна Tkhaytsukhova Svetlana Ruslanovna
Введение. Для устойчивого развития сельскохозяйственного производства важной составляющей деятельности каждого хозяйства является тщательная проработка и учет рисков. Получение высокого урожая сельскохозяйственных культур зависит от многих неопределенностей, которые могут привести к непредвиденным последствиям и, соответственно, нежелательным исходам и убыткам. Поэтому правильное принятие решений, а также адекватная и наиболее точная оценка рисков является одной из насущных проблем анализа сельхозпроизводства.
Для получения высокой урожайности сельскохозяйственных культур требуется наличие благоприятных погодных условий, своевременное и качественное использование агротехники на весь вегетационный период. В последнее время нечетко-логическое моделирование является одной из перспективных направлений в области управления и принятия решений во многих сферах социально-экономического развития общества.
Методика. Теория нечеткой логики - новый подход к описанию агроклиматических процессов, в которых присутствует неопределенность, затрудняю-
щая применение традиционных, точных количественных методов и подходов. Например, низкая, средняя или высокая урожайность сельскохозяйственной культуры не имеют четкой границы, их можно задать в виде интервальных значений для каждого случая.
Часто для получения интегральной оценки риска в АПК недостаточно только значений изменения количественных переменных, таких как использование агротехники, внесение удобрений, орошение и т. д. Необходимо также учитывать и многие качественные переменные, такие как, например, погодные условия.
В природных процессах все метеопараметры зависят друг от друга. В связи с изменчивостью значений их можно причислить к нечеткому множеству.
В отличие от традиционных методов анализа методы нечеткого управления позволяют быстро производить анализ задачи и получать результаты с высокой точностью. Для составления алгоритма решения задачи методом нечеткой логики необходимо ввести некоторый набор утверждений (правил), состоящих из совокупностей событий (условий) и результатов (выводов).
Метод нечеткой логики имеет определенные преимущества по сравнению с другими методами:
- возможность проводить операции с постоянно изменяющимися во времени значениями;
- возможность нечеткой формализации критериев оценки в трех уровнях (низкая, средняя, высокая) и их сравнения;
- возможность проведения качественных оценок как входных данных, так и выходных результатов;
- возможность оперативного моделирования сложных динамических систем в различных вариантах.
Система моделирования зависимости урожайности сельскохозяйственных культур от изменения природных факторов обладает рядом неопределен-
В таблице 1 проведем сортировку по столбцу урожайности и разобьем на части. Полученные интервалы определим как уровни: низкая, средняя и высокая урожайность сельхозкультуры. На каждом интервале по каждому метеопараметру найдем минимальное, максимальное и среднее значения.
Из таблицы 2 видно, что по критериям значения интервалов сезонных значений суммарного количества осадков и температура воздуха пересекаются.
Для разработки компьютерной адаптивной нечетко-логичной модели воспользуемся программным продуктом MATLAB, разделом fuzzy logic.
ностей, неполнотой и недостаточной четкостью исходной информации об основных параметрах. В подобных случаях значимость полученных количественных оценок может уточняться методом нечеткой логики.
Результаты. Для описания алгоритма метода нечеткой логики воспользуемся значениями урожайности озимой пшеницы и сезонными данными суммарного количества осадков и средней температуры воздуха по метеостанции Нальчик за период 1990-2009 гг.
Суть метода заключается в следующем. Если установить значения метеопараметров по уровням: низкие, средние и высокие, то автоматически выводятся значения урожайности по этим группам.
Определены зависимости продуктивности сельскохозяйственных культур от изменений природно-климатических параметров (тепло- и влагообеспе-ченность) методом нечеткой логики. Для этого задавая минимальные, максимальные и средние значения входных данных строим гауссовские линии по трем уровням: низкая, средняя и высокая.
Таблица 1 - Исходные значения урожайности озимой пшеницы и сезонных метеопараметров
в предгорной зоне без орошения
Год Урожайность, ц/га Осадки, мм Температура, °С
Зима Весна Лето Осень Зима Весна Лето Осень
1990 39,13 95,00 184,00 255,70 125,00 -0,90 10,60 20,73 11,73
1991 31,85 66,00 192,00 230,00 131,00 -3,30 9,07 21,67 10,70
1992 24,84 109,20 165,10 373,00 220,00 -2,27 7,70 19,87 9,53
1993 23,02 115,30 177,90 129,70 87,00 -3,87 8,67 20,87 6,67
1994 26,48 57,00 201,00 288,00 62,00 -2,87 9,73 20,07 11,20
1995 29,03 57,00 160,00 161,00 325,00 -0,87 10,90 21,90 11,00
1996 24,30 54,00 90,00 222,00 127,00 -3,10 8,63 21,00 10,13
1997 22,11 63,00 210,00 332,00 132,00 -0,97 9,77 21,43 9,90
1998 17,20 82,00 166,00 144,00 114,00 -1,67 10,43 23,33 11,17
1999 25,84 71,00 173,00 310,00 170,00 0,43 9,73 22,47 9,70
2000 26,03 55,00 178,00 192,50 186,00 0,77 10,50 22,50 9,73
2001 28,39 67,00 242,00 260,00 97,00 0,77 10,87 22,00 11,20
2002 29,85 115,00 213,00 240,00 125,00 0,80 10,07 21,00 12,43
2003 15,93 60,00 127,00 210,00 186,00 -3,80 8,63 21,27 11,10
2004 30,30 91,00 191,00 342,00 197,00 -0,03 9,71 20,97 11,37
2005 21,57 85,00 271,00 224,00 212,00 -0,77 9,70 21,90 11,50
2006 27,66 53,00 208,00 97,00 130,00 -2,03 10,37 23,40 11,77
2007 25,84 69,00 93,00 161,00 146,00 0,50 9,83 23,17 11,53
2008 33,03 76,00 233,00 195,00 165,00 -3,07 11,93 21,87 11,40
2009 30,21 65,00 110,00 378,00 223,00 -0,40 9,17 21,40 11,47
. . ... . Инженерно-техническое обеспечение
Вестник Курганской ГСХА № 4, 2014 сельского хозяйства
Таблица 2 - Минимальные, максимальные и средние значения
Уровни Критерии Урожайность, ц/га Осадки, мм Температура, °С
Зима Весна Лето Осень Зима Весна Лето Осень
Низкая min 15,93 54,00 90,00 129,70 87,00 -3,87 7,70 19,87 6,67
max 24,84 109,20 271,00 373,00 220,00 -0,77 10,43 23,33 11,50
среднее 20,39 81,60 180,50 251,35 43,50 -2,32 9,07 21,60 9,08
Средняя min 25,84 53,00 93,00 97,00 62,00 -2,87 9,73 20,07 9,70
max 28,39 71,00 242,00 310,00 186,00 0,77 10,87 23,40 11,77
среднее 27,12 81,10 167,50 203,50 31,00 -1,05 10,30 21,74 10,73
Высокая min 29,03 57,00 110,00 161,00 125,00 -3,30 9,07 20,73 10,70
max 39,13 115,00 233,00 378,00 325,00 0,80 11,93 21,90 12,43
среднее 34,08 86,00 171,50 269,50 225,00 -1,25 10,50 21,32 11,56
а)
б)
Рисунок 1 - Интервальное представление значений метеопараметров а) температура, б) осадки
Из рисунка видно, что интервалы по уровням пересекаются. Это указывает на то, что при одних и тех же значениях метеопараметра урожайность сельхозкультуры может быть или низкой, или средней, или высокой. Постановка задачи требует указания определенных правил задания входных данных при заданных выходных.
Задаются условия соответствия входных и выходных данных, например, если на входе осадки и температура воздуха низкая (средняя, высокая), то на выходе выдается
урожайность низкая (средняя, высокая). Это зависит от реальных значений входных и выходных данных.
температура-зима is температура-весна is
I низкая АI средняя —1 низкая средняя ±1
высокая высокая
попе ll попе iJ
Рисунок 2 - Условия соответствия входных и выходных данных (показаны лишь две группы данных)
Научный журнал
Вестник Курганской ГСХА
Существующие подходы к эффективному решению задач таковы:
1 Если правила, по которым действует объект исследования, известны, то можно их обобщить и свести в некоторую систему, действующую и генерирующую выводы по схеме «если - то - иначе».
2 Если правила поведения объекта не известны, но подразумеваем их присутствие, то создаем систему, которая вначале обучается на некотором множестве примеров, а затем адекватно строим выводы на новых входных данных.
3 Если не знаем ни правил поведения объекта, ни того, известны ли они вообще и могут ли быть получены, то нужно попытаться смоделировать объект, применяя известные правила и зависимости, что называется, «по аналогии», а затем делаем выводы о том, насколько объект соответствует модели.
4 Если правил, примеров и моделей достаточно много, то можем оценивать и управлять объектом не только на микро-уровне (правила), но и на макроуровне (принципы). Этот подход «на принципах» реализован с помощью применения &22у-математики в разнообразных инструментальных пакетах Ма1;1аЬ.
Решение конкретной задачи предполагает комбинации перечисленных подходов, которые реализованы в &22у-системах и позволяют по сравнению с прочими:
- возможность оперировать входными данными, заданными нечетко;
- возможность нечеткой формализации критериев оценки и сравнения:
оперирование критериями «большинство», «возможно», предпочтительно» и т. д.;
- возможность проведения качественных оценок, как входных данных, так и выводимых результатов;
- возможность проведения быстрого моделирования сложных динамических систем и их сравнительный анализ с заданной степенью точности: оперируя принципами поведения системы, описанными &22у-методами.
В итоге мы получаем следующую картину. Из рисунка 3 видно, что при заданных значениях входных данных: сезонные осадки и средняя температура воздуха (на рисунке показана лишь часть оконцев с температурой летом и осенью), мы получаем предполагаемую урожайность. Для определения урожайности сельскохозяйственной культуры на будущий год выставляем сезонные значения и получаем прогнозную урожайность. В зависимости от вегетационного периода исследуемой сельскохозяйственной культуры могут быть использованы сезонные декадные или месячные значения метеопараметров. В этом случае выставляются значения метеопараметров за каждый промежуток (два левых ряда оконцев) и на выходе определяется возможное значение урожайности (правый ряд).
Рисунок 3 - Модель зависимости урожайности (правый ряд оконцев) от климатических изменений (два левых ряда)
По результатам исследования определяем год-аналог, соответствующий значению урожайности сельскохозяйственной культуры. Если в найденном году имелись критические метеорологические значения, то необходимо провести дополнительные исследования по предотвращению повторений.
Выводы. По заданным значениям входных данных, таких как сезонные осадки и средняя температура воздуха, может быть определена прогнозная урожайность сельскохозяйственной культуры на будущий год.
Список литературы
1 Алексеева М. М. Влияние некоторых агрометеорологических факторов на формирование урожайности кукурузы в Краснодарском крае: сб. работ Ростовской ГМО: вып. 15. - 1977. - С. 3-7.
2 Ашабоков Б. А., Бисчоков Р. М. Об одном подходе к прогнозированию урожайности с/х культур с учетом динамики агрометеорологических факторов // Земледелие. - 2007. - № 2.
3 Бисчоков Р. М. О проблеме адаптации социально-экономического развития к изменениям климата в предгорной зоне КБР: материалы VI Международной конференции «Инновационные технологии для устойчивого развития горных территорий». - Владикавказ, 2007.
4 Бисчоков Р. М., Говоров С. А., Фисун М. Н. Куль -туры короткого срока вегетации на каштановых почвах центрального Предкавказья // Труды Кубанского государственного аграрного университета. - 2011. - № 3(30).
5 Бисчоков Р. М. Методы проведения анализа и прогнозирования изменения динамики агроклиматических ресурсов Северного Кавказа: монография. - Нальчик: КБГСХА, 2012. - 190 с.
6 Бисчоков Р. М., Базиева С. М. Влияния изменения климата на популяцию растительного и животного мира: материалы научной конференции. - Нальчик: КБГСХА, 2012.
