Прогнозирование урожайности подсолнечника по Краснодарскому краю с применением системно-когнитивного анализа (часть 2-я: формальная постановка задачи и преобразование исходных данных в информацию, а ее в знания)

Луценко Евгений Вениаминович; Познышева Наталья Олеговна

УДК 303.732.4

ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ ПОДСОЛНЕЧНИКА ПО КРАСНОДАРСКОМУ КРАЮ С ПРИМЕНЕНИЕМ СИСТЕМНО-КОГНИТИВНОГО АНАЛИЗА (Часть 2-я: Формальная постановка задачи и преобразование исходных данных в информацию, а ее в знания)

Луценко Евгений Вениаминович д.э.н., к.т.н., профессор

Кубанский государственный аграрный университет, Россия, 350044, Краснодар, Калинина, 13, pгoflutsenko @gmail. com

Познышева Наталья Олеговна Кубанский государственный аграрный университет, Россия, 350044, Краснодар, Калинина, 13

В данной работе впервые осуществлен синтез и верификация системно-когнитивной модели искусственной экосистемы насаждений подсолнечника Краснодарского края (на уровнях районов и края в целом). На основе созданной модели решены задачи: 1. Прогнозирование сценария изменения урожайности подсолнечника на период от 1 до 5 лет. 2. Научное исследование искусственной экосистемы насаждений подсолнечника Краснодарского края (на уровнях районов и края в целом)

Ключевые слова: СИСТЕМНЫЙ ПОДХОД, СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ, МНОГООТРАСЛЕВАЯ КОРПОРАЦИЯ, ПРОГНОЗИРОВАНИЕ, СЕМАНТИЧЕСКАЯ ИНФОРМАЦИОННАЯ МОДЕЛЬ

UDC 303.732.4

FORECASTING OF SUNFLOWER YIELD FOR THE KRASNODAR REGION WITH THE USE OF SYSTEM-COGNITIVE ANALYSIS (PART II: Formal statement of the problem and the transformation of raw data into information, and information into knowledge)

Lutsenko Eugeny Veniaminovich

Dr.Sci.Econ., Cand.Tech.Sci., professor

Kuban State Agrarian University, Krasnodar, Russia

Poznysheva Natalya Olegovna

Kuban State Agrarian University, Krasnodar, Russia

In this article, for the first time, the synthesis and verification of the system-cognitive model of artificial ecosystems of sunflower crops in the Krasnodar region (at the levels of regions and in the whole region) are carried out. On the basis of the developed models, there are solved tasks: 1. Forecasting scenario of sunflower yield for the period from 1 to 5 years. 2. The scientific study of artificial ecosystems of sunflower crops in the Krasnodar region (at the levels of regions and in the whole region)

Keywords: SYSTEM APPROACH, SYSTEM-COGNITIVE ANALYSIS, DIVERSIFIED CORPORATION, FORECASTING, SEMANTIC INFORMATION MODEL

Анализ исходных данных и преобразование исходных данных в исходную информацию: когнитивная структуризация и формализация предметной области

Рассмотрим один из вариантов реализации этих этапов.

1-й этап СК-анализа: «Когнитивная структуризация предметной области»

На этом этапе определяется, что мы хотим прогнозировать и на основе чего собираемся это делать. Нами принято решение прогнозировать сценарии изменения урожайности в будущем на основе сценариев ее изменения в прошлом.

2-й этап СК-анализа: «Формализация предметной области»

Данный этап включает: разработку градаций классификационных и описательных шкал (номинального, порядкового и числового типа); использование разработанных на предыдущих этапах классификационных и описательных шкал и градаций для формального описания (кодирования)

исходных данных (исследуемой выборки). Исходные данные для решения задачи представляют собой урожайность подсолнечника по районам Краснодарского края и краю в целом за 21 год с 1989 по 2009 годы (табл. 1 и 2):

Таблица 1 - Исходные данные об урожайности подсолнечника по районам

Код Административные единицы 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998

1 Всего по краю средневзвешенное) 20,1 23,3 20,4 18,2 17,3 16,7 18,5 13,8 9,1 13,9

2 г. Анапа 12,7 15,7 11,2 9,9 10,7 6,7 11,5 8,2 5,4 7,2

3 г. Армавир 17,3 20,4 19,6 16,7 15,4 18,2 18,3 12,1 7,4 14,2

4 г. Белореченск 14,3 14,9 13,2 9,4 10,1 11,3 11,1 6,3 1,4 5,4

5 г. Краснодар 18,9 23,3 15,3 14,9 16,3 17,1 12,3 14,7 7,3 11,3

6 г. Крымск 12,6 12,0 8,5 8,3 8,4 9,8 5,9 5,5 0,9 4,3

7 г. Лабинск 18,8 20,7 18,8 16,0 11,3 12,0 13,5 6,4 3,4 11,7

8 г. Славянск-на-Кубани 13,1 18,8 14,0 11,0 12,8 15,0 9,7 10,5 3,2 5,5

9 Абинский 14,9 12,8 5,6 4,7 8,5 12,0 8,4 9,7 0,4 3,2

10 Белоглиненский 20,9 26,4 21,0 19,3 18,5 16,7 21,9 15,8 10,0 11,7

11 Брюховецкий 22,6 22,8 22,7 20,5 21,5 19,7 22,4 17,3 11,5 15,1

12 Выселковский 21,5 25,3 22,6 19,9 18,6 18,3 23,0 18,7 12,5 17,1

13 Гулькевичский 18,9 25,7 20,0 20,8 18,6 20,6 20,1 15,1 11,7 18,5

14 Динской 20,7 24,6 20,1 13,5 17,0 16,7 12,4 14,5 7,3 13,1

15 Ейский 20,9 21,0 19,8 21,4 19,8 13,5 20,7 12,4 12,8 14,4

16 Кавказский 18,5 21,0 18,1 16,2 16,4 16,4 17,9 15,4 9,2 13,2

17 Калининский 21,8 24,9 22,4 16,7 19,8 20,3 16,3 14,7 5,4 13,2

18 Каневский 22,6 25,5 21,3 19,3 19,7 17,9 20,6 16,1 12,9 17,8

19 Кореновский 21,3 23,6 22,9 17,4 18,9 19,6 19,9 15,5 8,9 13,7

20 Кр асноармейский 21,7 25,2 15,6 17,0 22,4 18,6 12,7 13,6 5,1 10,4

21 Крыловский 19,8 22,6 21,1 18,2 16,1 14,3 18,0 13,7 7,1 12,7

22 Курганинский 17,0 21,4 19,6 18,6 16,3 17,2 18,6 12,7 9,5 13,3

23 Кущевский 20,7 25,0 22,7 18,8 14,9 14,6 17,5 9,5 6,3 10,2

24 Ленинградский 23,1 25,4 23,6 21,0 19,1 20,4 20,8 18,0 10,6 16,8

25 Мостовский 15,4 18,1 16,8 9,9 9,2 11,3 10,6 6,9 2,7 3,6

26 Новокубанский 19,4 24,4 19,9 21,7 18,4 20,0 20,5 13,5 10,4 21,5

27 Новопокровский 18,2 24,3 19,8 18,1 16,4 16,1 20,7 15,7 9,0 12,6

28 Отрадненский 14,3 18,7 16,3 10,4 8,6 10,6 12,3 4,9 2,5 7,8

29 Павловский 19,7 22,0 22,2 19,8 18,6 17,7 20,8 16,0 9,9 16,1

30 Приморско-Ахтарский 23,1 24,9 24,3 22,8 22,1 18,0 20,1 16,1 9,1 14,1

31 Северский 16,0 14,1 9,8 9,1 7,9 11,2 6,4 6,4 0,5 8,7

32 Староминский 22,5 25,4 23,0 20,1 18,1 17,1 20,8 16,0 11,2 17,9

33 Тбилисский 19,2 24,4 18,5 17,1 16,9 17,1 17,7 14,3 10,1 15,4

34 Темрюкский 17,6 16,8 12,0 15,0 11,6 7,0 11,2 7,6 7,0 6,0

35 Тимашевский 22,6 24,7 21,7 16,4 19,1 21,0 18,6 17,1 8,2 15,3

36 Тихорецкий 19,8 22,8 22,1 18,9 18,1 18,1 17,3 14,0 8,8 12,5

37 Успенский 17,5 22,7 18,5 19,7 16,6 18,5 20,5 12,3 8,9 7,8

38 Усть-Лабинский 20,2 23,1 21,8 16,2 16,8 0,0 16,9 14,4 7,9 13,9

39 Щербиновский 21,5 25,5 21,0 22,2 20,5 17,5 21,8 14,2 14,9 17,2

Таблица 2 - Исходные данные об урожайности подсолнечника по районам _Краснодарского края и краю в целом за 1999-2009 годы_

Административные единицы 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Всего по краю средневзвешенное) 14,0 15,2 14,5 18,5 15,0 18,2 20,9 22,5 20,7 25,3 22,4

1 г. Анапа 8,1 7,4 7,3 6,8 4,8 6,5 9,0 13,2 13,3 18,2 14,3

2 г. Армавир 9,2 12,7 11,0 16,3 9,8 16,5 22,3 25,0 22,7 26,5 23,3

3 г. Белореченск 5,3 6,5 6,0 9,1 6,5 7,7 13,2 17,3 14,7 19,2 17,3

4 г. Краснодар 13,5 15,0 16,5 18,8 18,4 22,3 22,0 27,1 24,3 28,6 23,3

5 г. Крымск 2,3 4,1 4,2 5,7 1,7 6,0 9,8 11,1 13,3 17,0 19,0

6 г. Лабинск 9,8 12,3 10,4 17,2 14,9 16,6 17,9 18,4 19,5 20,5 19,8

7 г. Славянск-на-Кубани 8,0 9,4 11,2 12,7 8,3 8,8 15,3 17,4 16,4 20,2 19,2

8 Абинский 6,0 5,8 10,1 4,0 4,1 6,9 6,2 12,3 8,0 17,1 19,2

9 Белоглиненский 14,0 15,1 13,3 21,4 15,4 19,1 24,1 22,3 14,2 17,6 15,2

10 Брюховецкий 19,0 17,1 15,3 19,0 19,3 22,9 25,5 25,6 23,9 31,2 24,7

11 Выселковский 14,0 17,3 16,2 21,8 16,7 21,0 25,0 28,7 25,1 30,2 27,8

12 Гулькевичский 19,0 19,7 17,7 23,7 18,4 22,5 25,5 25,3 21,3 24,3 21,0

13 Динской 10,0 16,3 18,4 23,8 19,0 18,8 21,5 25,0 24,7 25,6 24,8

14 Ейский 13,0 14,2 13,6 15,9 15,0 16,4 18,4 17,0 16,2 26,8 17,8

15 Кавказский 19,0 17,8 16,9 22,1 15,5 21,4 22,3 20,4 22,0 28,0 22,9

16 Калининский 10,0 13,0 14,1 14,6 13,2 17,2 18,6 20,8 21,6 25,7 28,6

17 Каневский 18,0 18,5 17,5 20,7 17,5 21,9 24,7 27,6 22,2 31,3 27,3

18 Кореновский 19,0 16,4 14,5 18,3 16,3 19,4 22,5 25,7 22,9 29,5 27,0

19 Красноармейский 10,0 11,8 12,6 14,2 12,9 15,5 16,5 16,2 17,7 23,8 20,9

20 Крыловский 14,0 13,6 11,9 15,6 8,2 12,0 16,6 17,6 16,4 23,2 15,6

21 Курганинский 18,0 16,9 17,2 19,1 12,1 17,4 20,4 24,7 22,1 27,8 27,4

22 Кущевский 10,0 11,7 11,5 15,2 14,6 17,8 18,9 21,3 17,1 22,7 21,6

23 Ленинградский 19,0 17,9 15,4 20,4 20,0 19,9 20,8 25,4 24,5 27,5 24,5

24 Мостовский 9,0 9,0 10,2 13,0 10,5 8,6 12,8 16,0 16,9 23,1 20,6

25 Новокубанский 21,0 21,9 18,8 26,1 23,1 23,1 26,6 27,5 27,9 30,8 27,4

26 Новопокровский 14,4 14,9 13,5 19,1 13,9 18,6 22,0 21,3 15,3 19,2 15,4

27 Отрадненский 9,4 9,4 9,4 11,0 10,6 11,3 18,8 16,7 17,0 18,7 17,8

28 Павловский 14,5 16,3 14,8 19,7 14,0 16,7 20,9 22,9 21Д 25,2 21,3

29 Приморско-Ахтарский 9,9 13,0 12,4 15,7 13,4 16,9 19,5 19,5 23,6 28,4 22,8

30 Северский 8,4 7,5 5,8 7,0 7,4 6,2 11,8 12,5 13,8 16,0 16,7

31 Староминский 18,2 17,4 16,5 17,1 17,3 20,5 18,2 21,5 23,1 33,4 25,9

32 Тбилисский 16,1 19,0 19,3 25,2 17,3 20,3 23,7 28,0 26,3 24,8 26,3

33 Темрюкский 9,2 7,9 7,7 8,5 7,1 7,9 8,9 8,2 5,3 7,4 11,7

34 Тимашевский 17,0 17,0 15,8 19,9 17,4 21,5 19,7 28,0 25,1 27,8 27,0

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

35 Тихорецкий 14,0 15,6 15,8 19,9 15,2 21,0 24,6 24,0 22,0 25,4 22,9

36 Успенский 10,0 11,5 10,6 17,7 9,7 11,3 13,9 13,5 18,5 14,8 18,5

37 Усть-Лабинский 17,9 18,0 18,6 21,7 20,0 25,4 26,7 26,2 28,2 28,9 28,7

38 Щербиновский 18,3 16,9 15,7 16,5 15,2 20,6 21,1 24,8 20,6 27,7 21,2

Для преобразования исходных данных в информацию авторами был разработан программный интерфейс, обеспечивающий представление числовых исходных данных, приведенных в табл.1 и табл.2, в форме интервальных значений, обозначенных лингвистическими переменными: «В», «С», «Н», означающих соответственно, следующие элементарные события: высокая, средняя и низкая урожайность (при этом нулевые значения считаются отсутствием данных):

= DISKNAME() = CURDIR()

= Disk_name+":\"+Cur_dir

*******************************************************

*** Транспонирование матрицы исходных данных ***

*** и формирование БД для расчета по краю и районам *** *** (c) Луценко Е.В., Познышева Н.О. ***

*** 05/29/12 03:20pm ***

*******************************************************

******** Программные интерфейсы для импорта данных ******** Транспонирование DBF-матриц исходных данных

scr23 = SAVESCREEN(0,0,24,79)

***** Рекогносцировка CLOSE ALL PUBLIC Disk_name PUBLIC Cur_dir PUBLIC Disk_dir

SET CURSOR OFF *CLS

***** Создать БД для транспонированной БД Inp_data.dbf CLOSE ALL

USE Ish_data EXCLUSIVE NEW SELECT Ish_data

****** Записать всю базу исходных данных в массив

PRIVATE A_IshData[RECCOUNT(), FCOUNT()] DBGOTOP() i=1

DO WHILE .NOT. EOF() FOR j=1 TO FCOUNT()

A_IshData[i,j] = FIELDGET(j)

NEXT i++

DBSKIP(1) ENDDO

****** Создаем файл структуры БД для транспонированной матрицы CREATE Struc APPEND BLANK

REPLACE Field_name WITH "Year",; Field_type WITH "C",; Field_len WITH 4 ,; Field_dec WITH 0 FOR j = 1 TO 39 APPEND BLANK

REPLACE Field_name WITH "R"+STRTRAN(STR(j,2)," ","0"),; Field_type WITH "N",; Field_len WITH 4 ,; Field_dec WITH 1

***** Заполнить транспонированную БД пустыми записями CLOSE ALL

USE Inp_data EXCLUSIVE NEW SELECT Inp_data

FOR i=1 TO 21 // Годы

APPEND BLANK

FIELDPUT(1, STR(A_IshData[1,2+i]),4)

DBGOTO(i)

FOR j=1 TO 39 // Районы, 1-й КК

FIELDPUT(1+j, A_IshData[1+j,2+i])

***** Записать транспонированную базу исходных данных в массив CLOSE ALL

USE Inp_data EXCLUSIVE NEW PRIVATE A_InpData[RECCOUNT(), FCOUNT()] DBGOTOP() i = 1

DO WHILE .NOT. EOF() FOR j=1 TO FCOUNT()

A_InpData[i,j] = FIELDGET(j)

NEXT i++

DBSKIP(1) ENDDO

***** Создание БД для программного интерфейса

***** по Краснодарскому краю в целом и всем районам края

*** Создаем базы данных по районам и краю в целом ****************** FOR i=1 TO 3 9

M_Name = "Inp_R"+ STRTRAN(STR(i,2)," ","0") IF FILEDATE(M_Name,16) = CTOD("//")

DIRMAKE(M_Name) ENDIF

DIRCHANGE(M_Name)

****** Создаем файл структуры для числовых БД для программного интерфейса CLOSE ALL CREATE Struc APPEND BLANK

REPLACE Field_name WITH "Year",; Field_type WITH "C",; Field_len WITH 4 ,; Field_dec WITH 0 FOR j = 1 TO 21 APPEND BLANK

REPLACE Field_name WITH "Y_"+STRTRAN(STR(j,2)," ","0"),; Field_type WITH "N",; Field_len WITH 4 ,; Field_dec WITH 1

M_Name= "Inp_R"+ STRTRAN(STR(i,2)," ","0") DIRCHANGE(M_Name) CLOSE ALL

USE (M_Name) EXCLUSIVE NEW

*** Создание пустой БД по j-му району

FOR j=1 TO 21

APPEND BLANK

FIELDPUT(1, A_InpData[j,1])

***** Создание БД для программного интерфейса

***** по Краснодарскому краю в целом и всем районам края

FOR i=1 TO 3 9

M_Name= "Inp_R"+ STRTRAN(STR(i,2)," ","0") DIRCHANGE(M_Name) CLOSE ALL

USE (M_Name) EXCLUSIVE NEW

***** Заполнение БД по j-му району

FOR k=1 TO 21

FOR j=k TO 21 DBGOTO(j)

FIELDPUT(1+k, A_InpData[j-k+1,1+i])

DIRCHANGE("..")

****** ****** ****** ******

*M_Max = *M_Min = *FOR i=1

Поиск границ интервалов: РАВНЫЕ ИНТЕРВАЛЫ

высокая урожайность средняя урожайность низкая урожайность -9999 + 9999 ТО 21 FOR j =2 ТО 40

(B)

(C) (H)

0

IF A_InpData[i,j] > M_Max = MAX(M_Max, = MIN(M Min,

M_Min ENDIF

A_InpData[i,j]) A_InpData[i,j])

* NEXT

*NEXT

*

*Delta = (M_ *

Max

M_Min) / 3 // Величина интервала. Интервалы равные

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

*H1 = M_ Min + 0 * Delta

*H2 = M_ Min + 1 * Delta

*C1 = M_ Min + 1 * Delta

*C2 = M_ Min + 2 * Delta

*B1 = M_ Min + 2 * Delta

*B2 = M_ Min + 3 * Delta

*

*********** Печать М^, Мах, Delta *SET DEVICE TO PRINT *SET PRINTER TO ("BCH_MMD.txt") *s = 0 *@s , *@s++, *@s++, *@s++, *@s++, *@s++, *@s++,

SAY SAY SAY SAY SAY SAY SAY

и границ интервалов

'^in, Мах, Delta и границ интервалов" 'Win ="+ALLTRIM(STR(M_Min) ,3,1) "Мax ="+ALLTRIM(STR(M Max),3,1)

"Delta="+ALLTRIM(STR(Delta),3, "H={"+ALLTRIM(STR(H1),3,1)+", "C={"+ALLTRIM(STR(C1),3,1)+", "B={"+ALLTRIM(STR(B1),3,1)+", *SET PRINTER TO *SET DEVICE TO SCREEN

1)

"+ALLTRIM(STR(H2) "+ALLTRIM(STR(C2) "+ALLTRIM(STR(B2)

.1)+"}" .1)+"}" .1)+"}"

*

*** Формирование границ интервалов таким образом, *** чтобы в них было РАВНОЕ количество наблюдений A_inp := {} FOR i=1 TO 21

FOR j=1 TO 39

IF A_InpData[i,1+j] > 0

AADD(A_inp, A_InpData[i,1+j]) ENDIF

ASORT(A_inp) N_Nabl = LEN(A_inp)

***** H1---H2C1---C2B1---B2

H = 0 C = 0 B = 0

H1 = A_inp[1]

FOR j=1 TO N_Nabl

IF H+1 <= N_Nabl/3 ++H

H2 = A_inp[j] C1 = A_inp[j]

ELSE

IF C+1 <= N_Nabl/3 ++C

C2 = A_inp[j] B1 = A_inp[j] ELSE ++B

B2 = A_inp[j] ENDIF ENDIF

@s , 0 SAY "Печать границ интервалов с примерно РАВНЫМ количеством наблюдений" @s++, 0 SAY "Всего наблюдений"+ALLTRIM(STR(N_Nabl),15)

@s++, 0 SAY "H={"+ALLTRIM(STR(H1),13,1)+", "+ALLTRIM(STR(H2),13,1)+"}, Интер-

вал="+ALLTRIM(STR(H2-H1,13,1))+", Кол-во набл.низкой урожайности: "+ALLTRIM(STR(H),15)

@s++, 0 SAY "C={"+ALLTRIM(STR(C1),13,1)+", "+ALLTRIM(STR(C2),13,1)+"}, Интер-

вал="+ALLTRIM(STR(C2-C1,13,1))+", Кол-во набл.средней урожайности: "+ALLTRIM(STR(C),15)

@s++, 0 SAY "B={"+ALLTRIM(STR(B1),13,1)+", "+ALLTRIM(STR(B2),13,1)+"}, Интер-

вал="+ALLTRIM(STR(B2-B1,13,1))+", Кол-во набл.высокой урожайности: "+ALLTRIM(STR(B),15)

SET PRINTER TO

SET DEVICE TO SCREEN

****** Формирование БД с лингвистическими переменными

FOR i=1 TO 39

M_NameR= "Inp_R"+ STRTRAN(STR(i,2)," ","0") M_NameL= "Inp_L"+ STRTRAN(STR(i,2)," ","0") DIRCHANGE(M_NameR)

****** Создаем файл структуры для лингвистических БД для программного интерфейса CLOSE ALL CREATE Struc APPEND BLANK

REPLACE Field_name WITH "Year",; Field_type WITH "C",; Field_len WITH 4 ,; Field_dec WITH 0 FOR j = 1 TO 21 APPEND BLANK

REPLACE Field_name WITH "Y_"+STRTRAN(STR(j,2)," ","0"),; Field_type WITH "C",; Field_len WITH 1 ,; Field_dec WITH 0

REPLACE Field_name WITH "ALL_YEAR",; Field_type WITH "C",; Field_len WITH 21 ,; Field_dec WITH 0

CREATE (M_NameL) FROM Struc DIRCHANGE("..")

M_NameR= "Inp_R"+ STRTRAN(STR(i,2)," ","0") M_NameL= "Inp_L"+ STRTRAN(STR(i,2)," ","0") DIRCHANGE(M_NameR) CLOSE ALL

USE (M_NameL) EXCLUSIVE NEW

*** Создание пустой БД по j-му району

FOR j=1 TO 21

APPEND BLANK

FIELDPUT(1, A_InpData[j,1])

***** Создание лингвистических БД для программного интерфейса ***** по Краснодарскому краю в целом и всем районам края

FOR i=1 TO 39

M_NameR= "Inp_R"+ STRTRAN(STR(i,2)," ","0") M_NameL= "Inp_L"+ STRTRAN(STR(i,2)," ","0") DIRCHANGE(M_NameR) CLOSE ALL

USE (M_NameR) EXCLUSIVE NEW USE (M_NameL) EXCLUSIVE NEW ***** Заполнение БД по j- му району SELECT(M_NameR) DBGOTOP()

DO WHILE .NOT. EOF() M_AllYear = "" M_Recno = RECNO() FOR j =2 TO FCOUNT ()-1 SELECT(M_NameR) MV = FIELDGET(j) IF MV > 0

SELECT(M_NameL) DBGOTO(M_Recno) DO CASE

CASE B1 <= MV .AND. MV < B2 FIELDPUT(j, "B") M_AllYear = M_AllYear + "B" CASE C1 <= MV .AND. MV < C2 FIELDPUT(j, "C") M_AllYear = M_AllYear + "C" CASE H1 <= MV .AND. MV <=H2 FIELDPUT(j, "H") M_AllYear = M_AllYear + "H"

ENDCASE ENDIF

REPLACE All Year WITH M AllYear

SELECT(M_NameR) DBSKIP(1) ENDDO

DIRCHANGE("..")

***** СФОРМИРОВАТЬ КЛАССИФИКАЦИОННЫЕ И ОПИСАТЕЛЬНЫЕ ШКАЛЫ И ГРАДАЦИИ

***** и ОБУЧАЮЩУЮ ВЫБОРКУ ПО ВСЕМ РАЙОНАМ КРАСНОДАРСКОГО КРАЯ И КРАЮ В ЦЕЛОМ

***** Создать БД сценариев по районам и краю в целом CLOSE ALL CREATE Struc APPEND BLANK

REPLACE Field_name WITH "Kod",;

Field_type WITH "N",;

Field_len WITH 4 ,;

Field_dec WITH 0 APPEND BLANK

REPLACE Field_name WITH "ALL_YEAR",;

Field_type WITH "C",;

Field_len WITH 21 ,;

Field_dec WITH 0

CREATE Scenario CLOSE ALL

FROM Struc

ERASE Struc.dbf

A_scenario := {} FOR i=1 TO 3 9

M_NameR= "Inp_R"+ STRTRAN(STR(i,2)," ","0") M_NameL= "Inp_L"+ STRTRAN(STR(i,2)," ","0") DIRCHANGE(M_NameR) CLOSE ALL

USE (M_NameL) EXCLUSIVE NEW DBGOBOTTOM()

AADD(A_scenario, All_Year) DIRCHANGE("..")

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

USE Scenario EXCLUSIVE NEW FOR i=1 TO 3 9

APPEND BLANK

FIELDPUT(1, i)

FIELDPUT (2, A_scenario [i])

***** Скопировать БД классификационных и описательных шкал и градаций ***** и обучающей выборки в директории всех моделей

FOR i=1 TO 39

M_NameR= "Inp_R"+ STRTRAN(STR(i,2)," ","0")

COPY FILE (Disk_ dir+" \Object.dbf") TO (Disk_ dir+" \" +M_ NameR+" \Object.dbf")

COPY FILE (Disk_ dir+" \Priz_ob.dbf") TO (Disk_ dir+" \" +M_ NameR+" \Priz_ob.dbf")

COPY FILE (Disk_ dir+" \Priz per.dbf") TO (Disk_ dir+" \" +M_ NameR+" \Priz per.dbf"

COPY FILE (Disk_ dir+" \Priz per.dbt") TO (Disk_ dir+" \" +M_ NameR+" \Priz per.dbt"

COPY FILE (Disk_ dir+" \ObInfZag.dbf") TO (Disk_ dir+" \" +M_ NameR+" \ObInfZag.dbf"

COPY FILE (Disk_ dir+" \ObInfKpr.dbf") TO (Disk_ dir+" \" +M_ NameR+" \ObInfKpr.dbf"

FOR r=1 TO 39

M_NameR= "Inp_R"+ STRTRAN(STR(r,2)," ","0") M_NameL= "Inp_L"+ STRTRAN(STR(r,2)," ","0") DIRCHANGE(M_NameR)

CLOSE ALL

USE (M_NameL) EXCLUSIVE NEW

USE Object EXCLUSIVE NEW;ZAP

USE Priz_per EXCLUSIVE NEW;ZAP

SELECT(M_NameL) DBGOBOTTOM() M AllYear = All Year

A_Obj := {} A_Prp := {}

FOR t=2 TO LEN(M_AllYear) // Позиция во времени

*** Формирование справочника классов

FOR j=1 TO t-1 // Количество лет в классе

Mu = ALLTRIM(SUBSTR(M_AllYear, t-j, j)) IF ASCAN(A_Obj, STR(LEN(Mu),5)+Mu) = 0

AADD( A_Obj, STR(LEN(Mu),5)+Mu) ENDIF

FOR j=t TO LEN(M_AllYear) // Количество лет в признаке

Mu = ALLTRIM(SUBSTR(M_AllYear, t, j-t+1)) IF ASCAN(A_Prp, STR(LEN(Mu),5)+Mu) = 0

AADD( A_Prp, STR(LEN(Mu),5)+Mu) ENDIF

*** Запись справочника классов

ASORT(A_Obj)

SELECT Object

FOR j=1 TO LEN(A_Obj)

APPEND BLANK

FIELDPUT(1, j)

FIELDPUT(2, SUBSTR(A_Obj[j],6))

FIELDPUT(2, SUBSTR(A_Prp[j],6))

FOR r=1 TO 3 9

M_NameR= "Inp_R"+ STRTRAN(STR(r,2)," ","0") M_NameL= "Inp_L"+ STRTRAN(STR(r,2)," ","0") DIRCHANGE(M_NameR)

CLOSE ALL

USE (M_NameL) EXCLUSIVE NEW

USE ObInfZag EXCLUSIVE NEW;ZAP

USE ObInfKpr EXCLUSIVE NEW;ZAP

USE Object INDEX Obj_name EXCLUSIVE NEW

USE Priz_per INDEX Prp_name EXCLUSIVE NEW

SELECT(M_NameL) DBGOBOTTOM() M_AllYear = All_Year

M_KodIst = 0

FOR t=2 TO LEN(M_AllYear) // Позиция во времени

*** Формирование справочника классов

FOR i=1 TO t-1 // Количество лет в классе

FOR j=t TO LEN(M_AllYear) // Количество лет в признаке

M_obj = ALLTRIM(SUBSTR(M_AllYear, t-i, i)) SELECT Obj ect;SET ORDER TO 1;Tr=DBSEEK(M_obj) IF Tr

M_KodObj = Kod ENDIF

M_prp = ALLTRIM(SUBSTR(M_AllYear, t,j-t+1)) SELECT Priz_per;SET ORDER TO 1;Tr=DBSEEK(M_prp) IF Tr

M_KodPrp = Kod ENDIF

**** Запись обучающей выборки

++M_KodIst

SELECT ObInfZag

APPEND BLANK

FIELDPUT(1, M_KodIst)

FIELDPUT (2, STR (t, 2)+", "+STR(i,2)+", "+STR(j,2))

FIELDPUT(3, M_KodObj)

SELECT ObInfKpr

APPEND BLANK

FIELDPUT(1, M_KodIst)

FIELDPUT(2, M_KodPrp)

RESTSCREEN(0,0,24,79,scr23) QUIT

Укрупненный алгоритм работы данного программного интерфейса приведен на рисунке 1:

Создание БД для программного интерфейса по Краснодарскому краю в целом и всем районам края

Формирование границ интервалов таким образом, чтобы в них было РАВНОЕ количество наблюдений

- высокая урожайность (В)

- средняя урожайность (С)

- низкая урожайность (Н)

I

Формирование БД с лингвистическими переменными

I

Создание лингвистических БД для программного интерфейса по Краснодарскому краю в целом и всем районам края

I

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Создание лингвистических БД для программного интерфейса по Краснодарскому краю в целом и всем районам края

1

Создать БД сценариев по районам и краю в целом

I

Скопировать БД классификационных и описательных шкал и градаций и обучающей выборки в директории всех моделей

I

СФОРМИРОВАТЬ КЛАССИФИКАЦИОННЫЕ И ОПИСАТЕЛЬНЫЕ ШКАЛЫ И ГРАДАЦИИ И ОБУЧАЮЩУЮ ВЫБОРКУ ПО ВСЕМ РАЙОНАМ КРАСНОДАРСКОГО КРАЯ И КРАЮ В ЦЕЛОМ

I

Г ВЫХОД J)

Рисунок 1. Алгоритм работы программного интерфейса преобразования исходных числовых данных в форму интервальных значений, соответствующих элементарным событиям: «высокая, средняя и низкая урожайность»

С учетом теоремы Котельникова (Найквиста-Шеннона) было принято решение использовать адаптивные интервалы, т.е. подобрать границы интервалов таким образом, чтобы в них попадало примерно одинаковое количество наблюдений (таблица 3):

Таблица 3 - Способ кодирования числовых значений интервальными зна-_чениями, обозначенными лингвистическими переменными_

Интервальное значение (лингвистическая переменная) Интервал Количество наблюдений

Начальное значение Конечное значение Величина

Н 0,4 14,4 14,0 272

С 14,4 19,4 5,0 272

В 19,4 33,4 14,0 273

Всего: 817

С использованием способа кодирования, представленного в таблице 3, исходные данные из таблиц 1 и 2 представляются в виде (таблица 4):

Таблица 4 - Представление исходных данных в форме элементарных событий в предметной области (интервальных значений или лингвистиче-_ских переменных)_

Код района 1989 - 2009 годы

1 Всего по краю (средневзвешенное) В В ВBвсссссннннссссввв

2 г. Анапа нснннннннннннннннннсн

3 г. Армавир вввввснсннннннссссввс

4 г. Белореченск сссснннннннннннннннсн

5 г. Краснодар ввввввсссснннснссссвс

6 г. Крымск ссннннннннннннннннннн

7 г. Лабинск вввссссснннннннннссвс

8 г. Славянск-на-Кубани свсссннннннннннснннсн

9 Абинский ссннннннннннннннннннс

10 Белоглиненский сснввссвнснннсвсссввв

11 Брюховецкий ввввввсссссснсввввввв

12 Выселковский ввввввсвсснснсвссвввв

13 Гулькевичский ввввввсвсвсснсввсвввс

14 Динской вввввссвсснннснсснввв

15 Ейский свсссссснннсннвнввввв

16 Кавказский ввввввсвсссннссссссвс

17 Калининский ввввсснснннннссввсввв

18 Каневский ввввввсвсссснсвсвсввв

19 Кореновский ввввввсссссннсввссввв

20 Красноармейский ввсссснннннннннсвссвв

21 Крыловский свсссннсннннннснссввв

22 Курганинский БББББСНССССНННССССББС

23 Кущевский ВВСВССССННННННССССВВВ

24 Ленинградский ББББББББССССНСББСББББ

25 Мостовский ББССННННННННННННННССС

26 Новокубанский ББББББББСБББННББСББББ

27 Новопокровский СССББСНСНССННСБСССББС

28 Отрадненский СССССНННННННННННННССН

29 Павловский ББББСНБССССНСБССББББ

30 Приморско-Ахтарский БББББСНСНННННСБСБББББ

31 Северский ССННННННННННННННННННС

32 Староминский БББСБССССССНСБССББББ

33 Тбилисский ББББББСБССССННСССССБС

34 Темрюкский НННННННННННННННННСНСС

35 Тимашевский ББББББСБССССНССБССБББ

36 Тихорецкий ББББББСБССННННССССБББ

37 Успенский СССННННСННННННБССБСБС

38 Усть-Лабинский ББББББББСССННССССБББ

39 Щербиновский ББББББСССССССНБСБББББ

Затем на основе таблицы 4 были разработаны справочник классов, соответствующих сценариям изменения будущих состояний урожайности подсолнечника, и справочник признаков, соответствующих прошлым сценариям изменения состояний урожайности (таблицы 5 и 6);

Таблица 5 - Справочник классов - систем событий различной сложности _или сценариев изменения урожайности в будущем_

Код Наимен. Код Наименован. Код Наименование Код Наименование

1 В 44 ССССН 87 ССССНННН 130 ВВСССССННННС

2 С 45 СССНН 88 СССННННС 131 ВСССССННННСС

3 Н 46 ССННН 89 ССННННСС 132 СССССННННССС

4 ВВ 47 СНННН 90 СННННССС 133 ССССННННСССС

5 ВС 48 НСССС 91 ННССССВВ 134 СССННННССССВ

6 СВ 49 ННССС 92 НННССССВ 135 ССННННССССВВ

7 СС 50 НННСС 93 ННННСССС 136 ВВВВВСССССННН

8 СН 51 ННННС 94 ВВВВВСССС 137 ВВВВСССССНННН

9 НС 52 ВВВВВС 95 ВВВВССССС 138 ВВВСССССННННС

10 НН 53 ВВВВСС 96 ВВВСССССН 139 ВВСССССННННСС

11 ВВВ 54 ВВВССС 97 ВВСССССНН 140 ВСССССННННССС

12 ВВС 55 ВВСССС 98 ВСССССННН 141 СССССННННСССС

13 ВСС 56 ВССССС 99 СССССНННН 142 ССССННННССССВ

14 СВВ 57 ССССВВ 100 ССССННННС 143 СССННННССССВВ

15 ССВ 58 СССССН 101 СССННННСС 144 ВВВВВСССССНННН

16 ССС 59 ССССНН 102 ССННННССС 145 ВВВВСССССННННС

17 ССН 60 СССННН 103 СННННСССС 146 ВВВСССССННННСС

18 СНН 61 ССНННН 104 НННССССВВ 147 ВВСССССННННССС

19 НСС 62 СННННС 105 ННННССССВ 148 ВСССССННННСССС

20 ННС 63 НССССВ 106 ВВВВВССССС 149 СССССННННССССВ

21 ННН 64 ННСССС 107 ВВВВСССССН 150 ССССННННССССВВ

22 ВВВВ 65 НННССС 108 ВВВСССССНН 151 ВВВВВСССССННННС

23 БББС 66 ННННСС 109 ББСССССННН 152 ББББСССССННННСС

24 ВВСС 67 БББББСС 110 БСССССНННН 153 БББСССССННННССС

25 БССС 68 ББББССС 111 СССССННННС 154 ББСССССННННСССС

26 ССББ 69 БББСССС 112 ССССННННСС 155 БСССССННННССССБ

27 СССБ 70 ББССССС 113 СССННННССС 156 СССССННННССССББ

28 СССС 71 БСССССН 114 ССННННСССС 157 БББББСССССННННСС

29 СССН 72 СССССНН 115 СННННССССБ 158 ББББСССССННННССС

30 ССНН 73 ССССННН 116 ННННССССББ 159 БББСССССННННСССС

31 СННН 74 СССНННН 117 БББББСССССН 160 ББСССССННННССССБ

32 НССС 75 ССННННС 118 ББББСССССНН 161 БСССССННННССССББ

33 ННСС 76 СННННСС 119 БББСССССННН 162 БББББСССССННННССС

34 НННС 77 НССССББ 120 ББСССССНННН 163 ББББСССССННННСССС

35 НННН 78 ННССССБ 121 БСССССННННС 164 БББСССССННННССССБ

36 БББББ 79 НННСССС 122 СССССННННСС 165 ББСССССННННССССББ

37 ББББС 80 ННННССС 123 ССССННННССС 166 БББББСССССННННСССС

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

38 БББСС 81 БББББССС 124 СССННННСССС 167 ББББСССССННННССССБ

39 ББССС 82 ББББСССС 125 ССННННССССБ 168 БББСССССННННССССББ

40 БСССС 83 БББССССС 126 СННННССССББ 169 БББББСССССННННССССБ

41 СССББ 84 ББСССССН 127 БББББСССССНН 170 ББББСССССННННССССББ

42 ССССБ 85 БСССССНН 128 ББББСССССННН 171 БББББСССССННННССССББ

43 ССССС 86 СССССННН 129 БББСССССНННН

Всего в справочнике классов формализован 171 сценарий изменения урожайности в будущем. В этом справочнике есть только фактически встретившиеся в исходных данных сценарии.

Таблица 6 - Справочник признаков - систем событий различной сложности, т.е. сценариев изменения урожайности в прошлом

Код Наимен. Код Наименован. Код Наименование Код Наименование

1 Б 44 ССССС 87 ССССНННН 130 ББСССССННННС

2 С 45 ССССН 88 СССННННС 131 БСССССННННСС

3 Н 46 СССНН 89 ССННННСС 132 СССССННННССС

4 ББ 47 ССННН 90 СННННССС 133 ССССННННСССС

5 БС 48 СНННН 91 НССССБББ 134 СССННННССССБ

6 СБ 49 НСССС 92 ННССССББ 135 ССННННССССББ

7 СС 50 ННССС 93 НННССССБ 136 СННННССССБББ

8 СН 51 НННСС 94 ННННСССС 137 ББББСССССНННН

9 НС 52 ННННС 95 ББББССССС 138 БББСССССННННС

10 НН 53 ББББСС 96 БББСССССН 139 ББСССССННННСС

11 БББ 54 БББССС 97 ББСССССНН 140 БСССССННННССС

12 ББС 55 ББСССС 98 БСССССННН 141 СССССННННСССС

13 БСС 56 БССССС 99 СССССНННН 142 ССССННННССССБ

14 СББ 57 СССБББ 100 ССССННННС 143 СССННННССССББ

15 ССБ 58 ССССББ 101 СССННННСС 144 ССННННССССБББ

16 ССС 59 СССССН 102 ССННННССС 145 ББББСССССННННС

17 ССН 60 ССССНН 103 СННННСССС 146 БББСССССННННСС

18 СНН 61 СССННН 104 ННССССБББ 147 ББСССССННННССС

19 НСС 62 ССНННН 105 НННССССББ 148 БСССССННННСССС

20 ННС 63 СННННС 106 ННННССССБ 149 СССССННННССССБ

21 ННН 64 НССССБ 107 ББББСССССН 150 ССССННННССССББ

22 ББББ 65 ННСССС 108 БББСССССНН 151 СССННННССССБББ

23 ВВВС 66 НННССС 109 ББСССССННН 152 ББББСССССННННСС

24 ББСС 67 ННННСС 110 БСССССНННН 153 БББСССССННННССС

25 БССС 68 ББББССС 111 СССССННННС 154 ББСССССННННСССС

26 СБББ 69 БББСССС 112 ССССННННСС 155 БСССССННННССССБ

27 ССББ 70 ББССССС 113 СССННННССС 156 СССССННННССССББ

28 СССБ 71 БСССССН 114 ССННННСССС 157 ССССННННССССБББ

29 СССС 72 ССССБББ 115 СННННССССБ 158 ББББСССССННННССС

30 СССН 73 СССССНН 116 НННССССБББ 159 БББСССССННННСССС

31 ССНН 74 ССССННН 117 ННННССССББ 160 ББСССССННННССССБ

32 СННН 75 СССНННН 118 ББББСССССНН 161 БСССССННННССССББ

33 НССС 76 ССННННС 119 БББСССССННН 162 СССССННННССССБББ

34 ННСС 77 СННННСС 120 ББСССССНННН 163 ББББСССССННННСССС

35 НННС 78 НССССББ 121 БСССССННННС 164 БББСССССННННССССБ

36 НННН 79 ННССССБ 122 СССССННННСС 165 ББСССССННННССССББ

37 ББББС 80 НННСССС 123 ССССННННССС 166 БСССССННННССССБББ

38 БББСС 81 ННННССС 124 СССННННСССС 167 ББББСССССННННССССБ

39 ББССС 82 ББББСССС 125 ССННННССССБ 168 БББСССССННННССССББ

40 БСССС 83 БББССССС 126 СННННССССББ 169 ББСССССННННССССБББ

41 ССБББ 84 ББСССССН 127 ННННССССБББ 170 ББББСССССННННССССББ

42 СССББ 85 БСССССНН 128 ББББСССССННН 171 БББСССССННННССССБББ

43 ССССБ 86 СССССННН 129 БББСССССНННН 172 ББББСССССННННССССБББ

Всего в справочнике признаков формализовано 172 сценария изменения урожайности в прошлом. В этом справочнике есть только фактически встретившиеся в исходных данных сценарии.

На основе таблиц 4, 5 и 6 для Краснодарского края в целом получена исходная выборка, фрагмент которой приведен ниже (табл. 7):

Таблица 7 - Исследуемая выборка, отражающая факты наблюдения определенных будущих сценариев изменения урожайностей подсолнечника с прошлыми по Краснодарскому краю в целом (фрагмент)

№ Наименование Сценарии № Наименование Сценарии № Наименование Сценарии № Наименование Сценарии

Будущий Прошлый Будущий Прошлый Будущий Прошлый Будущий Прошлый

1 2, 1, 2 1 1 101 4, 3, 10 11 70 201 6, 2, 10 4 44 301 7, 3, 17 12 123

2 2, 1, 3 1 4 102 4, 3, 11 11 84 202 6, 2, 11 4 59 302 7, 3, 18 12 133

3 2, 1, 4 1 11 103 4, 3, 12 11 97 203 6, 2, 12 4 73 303 7, 3, 19 12 142

4 2, 1, 5 1 22 104 4, 3, 13 11 109 204 6, 2, 13 4 86 304 7, 3, 20 12 150

5 2, 1, 6 1 37 105 4, 3, 14 11 120 205 6, 2, 14 4 99 305 7, 3, 21 12 157

6 2, 1, 7 1 53 106 4, 3, 15 11 130 206 6, 2, 15 4 111 306 7, 4, 7 23 2

7 2, 1, 8 1 68 107 4, 3, 16 11 139 207 6, 2, 16 4 122 307 8 7, 23 7

8 2, 1, 9 1 82 108 4, 3, 17 11 147 208 6, 2, 17 4 132 308 7, 9 23 16

9 2, 1, 10 1 95 109 4, 3, 18 11 154 209 6, 2, 18 4 141 309 7, 4, 10 23 29

10 2, 1, 11 1 107 110 4, 3, 19 11 160 210 6, 2, 19 4 149 310 7, 4, 11 23 45

11 2, 1, 12 1 118 111 4, 3, 20 11 165 211 6, 2, 20 4 156 311 7, 4, 12 23 60

12 2, 1, 13 1 128 112 4, 3, 21 11 169 212 6, 2, 21 4 162 312 7, 4, 13 23 74

13 2, 1, 14 1 137 113 5, 1, 5 1 1 213 6, 3, 6 11 2 313 7, 4, 14 23 87

14 2, 1, 15 1 145 114 5, 1, 6 1 5 214 6, 3, 7 11 7 314 7, 4, 15 23 100

15 2, 1, 16 1 152 115 5, 1, 7 1 13 215 6, 3, 8 11 16 315 7, 4, 16 23 112

16 2, 1, 17 1 158 116 5, 1, 8 1 25 216 6, 3, 9 11 29 316 7, 4, 17 23 123

17 2, 1, 18 1 163 117 5, 1, 9 1 40 217 6, 3, 10 11 44 317 7, 4, 18 23 133

18 2, 1, 19 1 167 118 5, 1, 10 1 56 218 6, 3, 11 11 59 318 7, 4, 19 23 142

19 2, 1, 20 1 170 119 5, 1, 11 1 71 219 6, 3, 12 11 73 319 7, 4, 20 23 150

20 2, 1, 21 1 172 120 5, 1, 12 1 85 220 6, 3, 13 11 86 320 7, 4, 21 23 157

21 3, 1, 3 1 1 121 5, 1, 13 1 98 221 6, 3, 14 11 99 321 7, 5, 7 37 2

22 3, 1, 4 1 4 122 5, 1, 14 1 110 222 6, 3, 15 11 111 322 7, 5, 8 37 7

23 3, 1, 5 1 11 123 5, 1, 15 1 121 223 6, 3, 16 11 122 323 7, 5, 9 37 16

24 3, 1, 6 1 23 124 5, 1, 16 1 131 224 6, 3, 17 11 132 324 7, 5, 10 37 29

25 3, 1, 7 1 38 125 5, 1, 17 1 140 225 6, 3, 18 11 141 325 7, 5, 11 37 45

26 3, 1, 8 1 54 126 5, 1, 18 1 148 226 6, 3, 19 11 149 326 7, 5, 12 37 60

27 3, 1, 9 1 69 127 5, 1, 19 1 155 227 6, 3, 20 11 156 327 7, 5, 13 37 74

28 3, 1, 10 1 83 128 5, 1, 20 1 161 228 6, 3, 21 11 162 328 7, 5, 14 37 87

29 3, 1, 11 1 96 129 5, 1, 21 1 166 229 6, 4, 6 22 2 329 7, 5, 15 37 100

30 3, 1, 12 1 108 130 5, 2, 5 4 1 230 6, 4, 7 22 7 330 7, 5, 16 37 112

31 3, 1, 13 1 119 131 5, 2, 6 4 5 231 6, 4, 8 22 16 331 7, 5, 17 37 123

32 3, 1, 14 1 129 132 5, 2, 7 4 13 232 6, 4, 9 22 29 332 7, 5, 18 37 133

33 3, 1, 15 1 138 133 5, 2, 8 4 25 233 6, 4, 10 22 44 333 7, 5, 19 37 142

34 3, 1, 16 1 146 134 5, 2, 9 4 40 234 6, 4, 11 22 59 334 7, 5, 20 37 150

35 3, 1, 17 1 153 135 5, 2, 10 4 56 235 6, 4, 12 22 73 335 7, 5, 21 37 157

36 3, 1, 18 1 159 136 5, 2, 11 4 71 236 6, 4, 13 22 86 336 7, 6, 7 52 2

37 3, 1, 19 1 164 137 5, 2, 12 4 85 237 6, 4, 14 22 99 337 7, 6, 8 52 7

38 3, 1, 20 1 168 138 5, 2, 13 4 98 238 6, 4, 15 22 111 338 7, 6, 9 52 16

39 3, 1, 21 1 171 139 5, 2, 14 4 110 239 6, 4, 16 22 122 339 7, 6, 10 52 29

40 3, 2, 3 4 1 140 5, 2, 15 4 121 240 6, 4, 17 22 132 340 7, 6, 11 52 45

41 3, 2, 4 4 4 141 5, 2, 16 4 131 241 6, 4, 18 22 141 341 7, 6, 12 52 60

42 3, 2, 5 4 11 142 5, 2, 17 4 140 242 6, 4, 19 22 149 342 7, 6, 13 52 74

43 3, 2, 6 4 23 143 5, 2, 18 4 148 243 6, 4, 20 22 156 343 7, 6, 14 52 87

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

44 3, 2, 7 4 38 144 5, 2, 19 4 155 244 6, 4, 21 22 162 344 7, 6, 15 52 100

45 3, 2, 8 4 54 145 5, 2, 20 4 161 245 6, 5, 6 36 2 345 7, 6, 16 52 112

46 3, 2, 9 4 69 146 5, 2, 21 4 166 246 6, 5, 7 36 7 346 7, 6, 17 52 123

47 3, 2, 10 4 83 147 5, 3, 5 11 1 247 6, 5, 8 36 16 347 7, 6, 18 52 133

48 3, 2, 11 4 96 148 5, 3, 6 11 5 248 6, 5, 9 36 29 348 7, 6, 19 52 142

49 3, 2, 12 4 108 149 5, 3, 7 11 13 249 6, 5, 10 36 44 349 7, 6, 20 52 150

50 3, 2, 13 4 119 150 5, 3, 8 11 25 250 6, 5, 11 36 59 350 7, 6, 21 52 157

51 3, 2, 14 4 129 151 5, 3, 9 11 40 251 6, 5, 12 36 73 351 8, 1, 8 2 2

52 3, 2, 15 4 138 152 5, 3, 10 11 56 252 6, 5, 13 36 86 352 8, 1, 9 2 7

53 3, 2, 16 4 146 153 5, 3, 11 11 71 253 6, 5, 14 36 99 353 8, 1, 10 2 16

54 3, 2, 17 4 153 154 5, 3, 12 11 85 254 6, 5, 15 36 111 354 8, 1, 11 2 30

55 3, 2, 18 4 159 155 5, 3, 13 11 98 255 6, 5, 16 36 122 355 8, 1, 12 2 46

56 3, 2, 19 4 164 156 5, 3, 14 11 110 256 6, 5, 17 36 132 356 8, 1, 13 2 61

57 3, 2, 20 4 168 157 5, 3, 15 11 121 257 6, 5, 18 36 141 357 8, 1, 14 2 75

58 3, 2, 21 4 171 158 5, 3, 16 11 131 258 6, 5, 19 36 149 358 8, 1, 15 2 88

59 4, 1, 4 1 1 159 5, 3, 17 11 140 259 6, 5, 20 36 156 359 8, 1, 16 2 101

60 4, 1, 5 1 4 160 5, 3, 18 11 148 260 6, 5, 21 36 162 360 8, 1, 17 2 113

61 4, 1, 6 1 12 161 5, 3, 19 11 155 261 7, 1, 7 2 2 361 8, 1, 18 2 124

62 4, 1, 7 1 24 162 5, 3, 20 11 161 262 7, 1, 8 2 7 362 8, 1, 19 2 134

63 4, 1, 8 1 39 163 5, 3, 21 11 166 263 7, 1, 9 2 16 363 8, 1, 20 2 143

64 4, 1, 9 1 55 164 5, 4, 5 22 1 264 7, 1, 10 2 29 364 8, 1, 21 2 151

65 4, 1, 10 1 70 165 5, 4, 6 22 5 265 7, 1, 11 2 45 365 8, 2, 8 7 2

66 4, 1, 11 1 84 166 5, 4, 7 22 13 266 7, 1, 12 2 60 366 8, 2, 9 7 7

67 4, 1, 12 1 97 167 5, 4, 8 22 25 267 7, 1, 13 2 74 367 8, 2, 10 7 16

68 4, 1, 13 1 109 168 5, 4, 9 22 40 268 7, 1, 14 2 87 368 8, 2, 11 7 30

69 4, 1, 14 1 120 169 5, 4, 10 22 56 269 7, 1, 15 2 100 369 8, 2, 12 7 46

70 4, 1, 15 1 130 170 5, 4, 11 22 71 270 7, 1, 16 2 112 370 8, 2, 13 7 61

71 4, 1, 16 1 139 171 5, 4, 12 22 85 271 7, 1, 17 2 123 371 8, 2, 14 7 75

72 4, 1, 17 1 147 172 5, 4, 13 22 98 272 7, 1, 18 2 133 372 8, 2, 15 7 88

73 4, 1, 18 1 154 173 5, 4, 14 22 110 273 7, 1, 19 2 142 373 8, 2, 16 7 101

74 4, 1, 19 1 160 174 5, 4, 15 22 121 274 7, 1, 20 2 150 374 8, 2, 17 7 113

75 4, 1, 20 1 165 175 5, 4, 16 22 131 275 7, 1, 21 2 157 375 8, 2, 18 7 124

76 4, 1, 21 1 169 176 5, 4, 17 22 140 276 7, 2, 7 5 2 376 8, 2, 19 7 134

77 4, 2, 4 4 1 177 5, 4, 18 22 148 277 7, 2, 8 5 7 377 8, 2, 20 7 143

78 4, 2, 5 4 4 178 5, 4, 19 22 155 278 7, 2, 9 5 16 378 8, 2, 21 7 151

79 4, 2, 6 4 12 179 5, 4, 20 22 161 279 7, 2, 10 5 29 379 8, 3, 8 13 2

80 4, 2, 7 4 24 180 5, 4, 21 22 166 280 7, 2, 11 5 45 380 8, 3, 9 13 7

81 4, 2, 8 4 39 181 6, 1, 6 1 2 281 7, 2, 12 5 60 381 8, 3, 10 13 16

82 4, 2, 9 4 55 182 6, 1, 7 1 7 282 7, 2, 13 5 74 382 8, 3, 11 13 30

83 4, 2, 10 4 70 183 6, 1, 8 1 16 283 7, 2, 14 5 87 383 8, 3, 12 13 46

84 4, 2, 11 4 84 184 6, 1, 9 1 29 284 7, 2, 15 5 100 384 8, 3, 13 13 61

85 4, 2, 12 4 97 185 6, 1, 10 1 44 285 7, 2, 16 5 112 385 8, 3, 14 13 75

86 4, 2, 13 4 109 186 6, 1, 11 1 59 286 7, 2, 17 5 123 386 8, 3, 15 13 88

87 4, 2, 14 4 120 187 6, 1, 12 1 73 287 7, 2, 18 5 133 387 8, 3, 16 13 101

88 4, 2, 15 4 130 188 6, 1, 13 1 86 288 7, 2, 19 5 142 388 8, 3, 17 13 113

89 4, 2, 16 4 139 189 6, 1, 14 1 99 289 7, 2, 20 5 150 389 8, 3, 18 13 124

90 4, 2, 17 4 147 190 6, 1, 15 1 111 290 7, 2, 21 5 157 390 8, 3, 19 13 134

91 4, 2, 18 4 154 191 6, 1, 16 1 122 291 7, 3, 7 12 2 391 8, 3, 20 13 143

92 4, 2, 19 4 160 192 6, 1, 17 1 132 292 7, 3, 8 12 7 392 8, 3, 21 13 151

93 4, 2, 20 4 165 193 6, 1, 18 1 141 293 7, ы 9 12 16 393 8, 4, 8 24 2

94 4, 2, 21 4 169 194 6, 1, 19 1 149 294 7, 3, 10 12 29 394 8, 4, 9 24 7

95 4, 3, 4 11 1 195 6, 1, 20 1 156 295 7, 3, 11 12 45 395 8, 4, 10 24 16

96 4, 3, 5 11 4 196 6, 1, 21 1 162 296 7, 3, 12 12 60 396 8, 4, 11 24 30

97 4, 3, 6 11 12 197 6, 2, 6 4 2 297 7, 3, 13 12 74 397 8, 4, 12 24 46

98 4, 3, 7 11 24 198 6, 2, 7 4 7 298 7, 3, 14 12 87 398 8, 4, 13 24 61

99 4, 3, 8 11 39 199 6, 2, 8 4 16 299 7, 3, 15 12 100 399 8, 4, 14 24 75

100 4, 3, 9 11 55 200 6, 2, 9 4 29 300 7, 3, 16 12 112 400 8, 4, 15 24 88

Наименование примера состоит из чисел, разделенных запятой, означающих:

- текущую позицию в сценарии изменения урожайности во времени в годах;

- количество лет в будущем сценарии;

- количество лет в прошлом сценарии.

Затем идут коды фактически наблюдавшихся будущего и прошлого сценариев в соответствии со справочниками классов и признаков (таблицы 5 и 6).

Всего в исходной выборке 1540 примеров фактического наблюдения определенных будущих сценариев изменения урожайности после прошлых, полученных на основе таблицы 4 при всех возможных длительно-

стях прошлых и будущих сценариев, изменяющихся от минимальной до максимальной.

Синтез и верификация (оценка степени адекватности) модели: преобразование исходной информации в системно-когнитивную модель (модель знаний) предметной области 3-й этап СК-анализа: «Синтез и верификация (оценка степени адекватности) модели»

Данный этап системно-когнитивного анализа предметной области в системе «Эйдос» может быть выполнен, в частности, с помощью режима _25, который обеспечивает: синтез четырех моделей баз знаний, отличающихся видом частного критерия для количественной меры знаний (табл.9 и 10); оценку достоверности каждой модели знаний с помощью двух интегральных критериев: суммы знаний и корреляции конкретного образа объекта исследуемой выборки с обобщенным образом класса в базе знаний (табл.8).

Показатели достоверности (валидности):

- идентифицировано верно - это количество объектов обучающей выборки, которые идентифицированы как классы, к которым они действительно относятся;

- идентифицировано ошибочно - это количество объектов обучающей выборки, которые идентифицированы как классы, к которым они в действительности не относятся (ошибка идентификации);

- неидентифицировано верно - это количество объектов обучающей выборки, которые неидентифицированы как классы, к которым они действительно не относятся;

- неидентифицировано ошибочно - это количество объектов обучающей выборки, которые неидентифицированы как классы, к которым они в действительности относятся (ошибка неидентфикации).

Получены следующие результаты верификации моделей знаний с разными интегральными критериями (таблица 8):

Таблица 8 - Результаты верификации 4-х моделей знаний _с 2-мя интегральными критериями_

Тип модели Интегральный критерий Д остоверность

Идентификации Неидентификации Средняя

INF1, частный критерий: количество знаний по А.Харкевичу, 1-й вариант Корреляция 85,583 85,634 85,608

Свертка 94,278 5,393 49,836

INF2, частный критерий: количество знаний по А.Харкевичу, 2-й вариант Корреляция 85,583 85,634 85,608

Свертка 94,278 5,393 49,836

INF3, частный критерий: Хи-квадрат Корреляция 94,278 82,667 88,473

Свертка 94,278 82,667 88,473

INF4, частный критерий: ROI - Return On Investment Корреляция 88,212 83,487 85,850

Свертка 94,278 82,667 88,473

Таблица 9 - Модель знаний СИМ-1 (количество знаний по А.Харкевичу в прошлых сценариях о будущих _(в микробитах) (Фрагмент)_

Код 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

1 40 -130 26 247 -100 -10 317 247 -63

2 -179 30 -77 -151 6 25 98 -42 -118 6 13 10

3 -92 109 -62 122 104 -25

4 44 -85 1 292 -55 -36 292 -18

5 144 171 204

6 9 38 75

7 -147 27 -45 -120 37 5 130 -10 -86 37 44 -69

8 73 103 140

9 126 161

10 -58 102 -29 156 67 8

11 46 -13 3 17 54

12 173 200 233

13 144 171 204

14 9 38 75

15 15 44

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

16 -105 17 -4 -78 79 -64 172 31 -45 79 86

17 85 115 151

18 73 103 140

19 126 161

20 134 169

21 -13 78 17 201 54

22 284

23 214 241

24 173 200 233

25 144 171 204

26 9 38 75

27 15 44

28 21 287

29 -42 -30 60 -14 143 95 19 143

30 99 128 278

31 85 115 151

32 73 103 140

33 126 161

34 134 169

35 143 267

36 62 92 129

37 284

38 214 241

39 173 200 233

40 144 171 204

41 15 44

42 21 287

43 119 154

44 121 148 182

45 114 287 287

46 99 128 278

47 85 115 151

48 73 103 140

49 126 161

50 134 169

51 143 267

52 62 92 129

53 284

54 214 241

55 173 200 233

56 144 171 204

57 21 287

58 119 154

59 121 148 182

60 114 287 287

61 99 128 278

62 85 115 151

63 73 103 140

64 126 161

65 134 169

66 143 267

67 62 92 129

68 284

69 214 241

70 173 200 233

71 144 171 204

72 119 154

73 121 148 182

74 114 287 287

75 99 128 278

76 85 115 151

77 73 103 140

78 126 161

79 134 169

80 143 267

81 62 92 129

82 284

83 214 241

84 173 200 233

85 144 171 204

86 121 148 182

87 114 287 287

88 99 128 278

89 85 115 151

90 73 103 140

91 126 161

92 134 169

93 143 267

94 62 92 129

95 284

96 214 241

97 173 200 233

98 144 171 204

99 121 148 182

100 114 287 287

Таблица 10 - Модель знаний СИМ-3 (количество знаний по Пирсону в прошлых сценариях _о будущих (хи-квадрат х 100) (Фрагмент)_

Код 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

1 -486 177 -114 -347 6 -13 109 -63 62 -51 -221 6 12 -6 -13 29

2 -278 -148 198 -212 -45 -6 -85 70 -18 128 -152 -45 -42 -3 -6 -28

3 140 -132 -95 2 -42 94 -73 -28 -17 -67 -42 -42 -39 -3 94 -20

4 76 -22 -9 82 -4 -1 -16 -3 -2 -6 87 -4 -4 -0 -1 -11

5 -103 8 -38 -78 -17 -2 32 -11 -7 -26 -56 -17 -15 -1 -2 53

6 -329 117 -57 -227 31 -9 14 -46 72 -11 -135 31 35 -5 -9 -98

7 -54 51 -20 -41 -9 -1 64 -6 -4 -14 -30 -9 -8 -1 -1 75

8 -79 -70 71 -60 -13 -2 -52 -8 -5 80 -43 -13 -12 -1 -2 -36

9 -199 -78 127 -152 -32 -4 -33 79 -13 49 -109 -32 -30 -2 -4 8

10 73 -13 -46 3 -20 -3 15 -14 -8 -33 -70 -20 -19 -1 -3 41

11 82 -16 -7 86 -3 -0 -12 -2 -1 -5 90 -3 -3 -0 -0 -8

12 76 -22 -9 82 -4 -1 -16 -3 -2 -6 87 -4 -4 -0 -1 -11

13 -103 8 -38 -78 -17 -2 32 -11 -7 -26 -56 -17 -15 -1 -2 53

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

14 -97 14 -35 -74 -16 -2 36 -10 -6 -25 -53 -16 -15 -1 -2 -45

15 -184 47 -4 -117 54 -6 -89 -31 82 27 -56 54 57 -3 -6 -131

16 -48 57 -18 -37 -8 -1 68 -5 -3 -12 -26 -8 -7 -1 -1 78

17 -54 51 -20 -41 -9 -1 64 -6 -4 -14 -30 -9 -8 -1 -1 75

18 -79 -70 71 -60 -13 -2 -52 -8 -5 80 -43 -13 -12 -1 -2 -36

19 -72 -65 74 -55 -12 -2 -48 -8 -5 81 -40 -12 -11 -1 -2 -34

20 -127 -13 54 -97 -20 -3 15 86 -8 -33 -70 -20 -19 -1 -3 41

21 94 -5 -2 -5 -1 -0 -4 -1 -0 -2 -3 -1 -1 -0 -0 -3

22 88 -11 -4 91 -2 -0 -8 -1 -1 -3 -7 -2 -2 -0 -0 -6

23 82 -16 -7 86 -3 -0 -12 -2 -1 -5 90 -3 -3 -0 -0 -8

24 76 -22 -9 82 -4 -1 -16 -3 -2 -6 87 -4 -4 -0 -1 -11

25 -103 8 -38 -78 -17 -2 32 -11 -7 -26 -56 -17 -15 -1 -2 53

26 -97 14 -35 -74 -16 -2 36 -10 -6 -25 -53 -16 -15 -1 -2 -45

27 -91 19 -33 -69 -15 -2 -60 -10 94 -23 -50 -15 -14 -1 -2 -42

28 -51 -35 45 -15 76 -3 -101 -16 -10 61 17 76 -23 -2 -3 -70

29 -42 62 -15 -32 -7 -1 72 -5 -3 -11 -23 -7 94 -0 -1 -20

30 -48 57 -18 -37 -8 -1 68 -5 -3 -12 -26 -8 -7 -1 -1 78

31 -54 51 -20 -41 -9 -1 64 -6 -4 -14 -30 -9 -8 -1 -1 75

32 -79 -70 71 -60 -13 -2 -52 -8 -5 80 -43 -13 -12 -1 -2 -36

33 -72 -65 74 -55 -12 -2 -48 -8 -5 81 -40 -12 -11 -1 -2 -34

34 -66 -59 76 -51 -11 -1 -44 93 -4 -17 -36 -11 -10 -1 -1 -31

35 -60 46 -22 -46 -10 -1 60 -6 -4 -16 -33 -10 -9 -1 -1 72

36 94 -5 -2 -5 -1 -0 -4 -1 -0 -2 -3 -1 -1 -0 -0 -3

37 88 -11 -4 91 -2 -0 -8 -1 -1 -3 -7 -2 -2 -0 -0 -6

38 82 -16 -7 86 -3 -0 -12 -2 -1 -5 90 -3 -3 -0 -0 -8

39 76 -22 -9 82 -4 -1 -16 -3 -2 -6 87 -4 -4 -0 -1 -11

40 -97 14 -35 -74 -16 -2 36 -10 -6 -25 -53 -16 -15 -1 -2 -45

41 -91 19 -33 -69 -15 -2 -60 -10 94 -23 -50 -15 -14 -1 -2 -42

42 -85 -75 69 -65 -14 -2 -56 -9 -5 78 -46 -14 -13 -1 -2 -39

43 70 -27 -11 77 -5 -1 -20 -3 -2 -8 83 -5 -5 -0 -1 -14

44 -36 68 -13 -28 94 -1 -24 -4 -2 -9 -20 94 -5 -0 -1 -17

45 -42 62 -15 -32 -7 -1 72 -5 -3 -11 -23 -7 94 -0 -1 -20

46 -48 57 -18 -37 -8 -1 68 -5 -3 -12 -26 -8 -7 -1 -1 78

47 -54 51 -20 -41 -9 -1 64 -6 -4 -14 -30 -9 -8 -1 -1 75

48 -79 -70 71 -60 -13 -2 -52 -8 -5 80 -43 -13 -12 -1 -2 -36

49 -72 -65 74 -55 -12 -2 -48 -8 -5 81 -40 -12 -11 -1 -2 -34

SO -66 -59 76 -51 -11 -1 -44 93 -4 -17 -36 -11 -10 -1 -1 -31

S1 -60 46 -22 -46 -10 -1 60 -6 -4 -16 -33 -10 -9 -1 -1 72

S2 94 -5 -2 -5 -1 -0 -4 -1 -0 -2 -3 -1 -1 -0 -0 -3

S3 88 -11 -4 91 -2 -0 -8 -1 -1 -3 -7 -2 -2 -0 -0 -6

S4 82 -16 -7 86 -3 -0 -12 -2 -1 -5 90 -3 -3 -0 -0 -8

SS 76 -22 -9 82 -4 -1 -16 -3 -2 -6 87 -4 -4 -0 -1 -11

S6 -91 19 -33 -69 -15 -2 -60 -10 94 -23 -50 -15 -14 -1 -2 -42

S7 -85 -75 69 -65 -14 -2 -56 -9 -5 78 -46 -14 -13 -1 -2 -39

SS 70 -27 -11 77 -5 -1 -20 -3 -2 -8 83 -5 -5 -0 -1 -14

S9 -36 68 -13 -28 94 -1 -24 -4 -2 -9 -20 94 -5 -0 -1 -17

6O -42 62 -15 -32 -7 -1 72 -5 -3 -11 -23 -7 94 -0 -1 -20

61 -48 57 -18 -37 -8 -1 68 -5 -3 -12 -26 -8 -7 -1 -1 78

62 -54 51 -20 -41 -9 -1 64 -6 -4 -14 -30 -9 -8 -1 -1 75

63 -79 -70 71 -60 -13 -2 -52 -8 -5 80 -43 -13 -12 -1 -2 -36

64 -72 -65 74 -55 -12 -2 -48 -8 -5 81 -40 -12 -11 -1 -2 -34

6S -66 -59 76 -51 -11 -1 -44 93 -4 -17 -36 -11 -10 -1 -1 -31

66 -60 46 -22 -46 -10 -1 60 -6 -4 -16 -33 -10 -9 -1 -1 72

67 94 -5 -2 -5 -1 -0 -4 -1 -0 -2 -3 -1 -1 -0 -0 -3

6S 88 -11 -4 91 -2 -0 -8 -1 -1 -3 -7 -2 -2 -0 -0 -6

69 82 -16 -7 86 -3 -0 -12 -2 -1 -5 90 -3 -3 -0 -0 -8

7O 76 -22 -9 82 -4 -1 -16 -3 -2 -6 87 -4 -4 -0 -1 -11

71 -85 -75 69 -65 -14 -2 -56 -9 -5 78 -46 -14 -13 -1 -2 -39

72 70 -27 -11 77 -5 -1 -20 -3 -2 -8 83 -5 -5 -0 -1 -14

73 -36 68 -13 -28 94 -1 -24 -4 -2 -9 -20 94 -5 -0 -1 -17

74 -42 62 -15 -32 -7 -1 72 -5 -3 -11 -23 -7 94 -0 -1 -20

7S -48 57 -18 -37 -8 -1 68 -5 -3 -12 -26 -8 -7 -1 78

76 -54 51 -20 -41 -9 -1 64 -6 -4 -14 -30 -9 -8 -1 75

77 -79 -70 71 -60 -13 -2 -52 -8 -5 80 -43 -13 -12 -2 -36

7S -72 -65 74 -55 -12 -2 -48 -8 -5 81 -40 -12 -11 -2 -34

79 -66 -59 76 -51 -11 -1 -44 93 -4 -17 -36 -11 -10 -1 -31

SO -60 46 -22 -46 -10 -1 60 -6 -4 -16 -33 -10 -9 -1 72

S1 94 -5 -2 -5 -1 -0 -4 -1 -0 -2 -3 -1 -1 -0 -0 -3

S2 88 -11 -4 91 -2 -0 -8 -1 -1 -3 -7 -2 -2 -0 -0 -6

S3 82 -16 -7 86 -3 -0 -12 -2 -1 -5 90 -3 -3 -0 -0 -8

S4 76 -22 -9 82 -4 -1 -16 -3 -2 -6 87 -4 -4 -0 -1 -11

SS 70 -27 -11 77 -5 -1 -20 -3 -2 -8 83 -5 -5 -0 -1 -14

S6 -36 68 -13 -28 94 -1 -24 -4 -2 -9 -20 94 -5 -0 -1 -17

S7 -42 62 -15 -32 -7 -1 72 -5 -3 -11 -23 -7 94 -0 -1 -20

SS -48 57 -18 -37 -8 -1 68 -5 -3 -12 -26 -8 -7 -1 78

S9 -54 51 -20 -41 -9 -1 64 -6 -4 -14 -30 -9 -8 -1 75

9O -79 -70 71 -60 -13 -2 -52 -8 -5 80 -43 -13 -12 -2 -36

91 -72 -65 74 -55 -12 -2 -48 -8 -5 81 -40 -12 -11 -2 -34

92 -66 -59 76 -51 -11 -1 -44 93 -4 -17 -36 -11 -10 -1 -31

93 -60 46 -22 -46 -10 -1 60 -6 -4 -16 -33 -10 -9 -1 72

94 94 -5 -2 -5 -1 -0 -4 -1 -0 -2 -3 -1 -1 -0 -0 -3

9S 88 -11 -4 91 -2 -0 -8 -1 -1 -3 -7 -2 -2 -0 -0 -6

96 82 -16 -7 86 -3 -0 -12 -2 -1 -5 90 -3 -3 -0 -0 -8

97 76 -22 -9 82 -4 -1 -16 -3 -2 -6 87 -4 -4 -0 -1 -11

9S 70 -27 -11 77 -5 -1 -20 -3 -2 -8 83 -5 -5 -0 -1 -14

99 -36 68 -13 -28 94 -1 -24 -4 -2 -9 -20 94 -5 -0 -1 -17

Столбцы баз знаний соответствуют будущим сценариям изменения урожайности подсолнечника в соответствии со справочником классов (таблица 5), строки - прошлым сценариям изменения урожайности (таблица 6), а на их пересечениях находится количество знаний в сантибитах в прошлом сценарии о наступлении будущего.

4-й этап СК-анализа: «Решение задач идентификации, прогнозирования и принятия решений и исследования моделируемой предметной области»

Если модель знаний адекватна, то на ее основе решаются задачи идентификации, прогнозирования и принятия решений, а также исследования моделируемой предметной области. Задача прогнозирования урожайности подсолнечника решается на основе созданных и верифицированных на 3-м этапе СК-анализа моделей знаний, отражающих причинно-следственные зависимости между прошлыми и будущими результатами выращивания подсолнечника.

Выводы

В данной работе впервые осуществлен синтез и верификация системно-когнитивной модели искусственной экосистемы насаждений подсолнечника Краснодарского края (на уровнях районов и края в целом).

На основе созданной модели решены задачи:

1. Прогнозирование сценария изменения урожайности подсолнечника на период от 1 до 5 лет.

2. Научное исследование искусственной экосистемы насаждений подсолнечника Краснодарского края (на уровнях районов и края в целом).

Предложена и обоснована возможность прогнозирования сценария изменения урожайности подсолнечника путем применения технологий искусственного интеллекта, в частности метода системно-когнитивного анализа, отличающаяся от традиционных тем, что обеспечивается построение и адаптация модели сложного динамичного территориально распределенного объекта управления и прогнозирования.

Осуществлен синтез системно-когнитивной модели искусственной экосистемы насаждений подсолнечника Краснодарского края, отличающейся от традиционных высокой размерностью и адекватностью. Данная модель впервые обеспечивает возможность не только оперативного, но и тактического количественного решения задачи прогнозирования сценариев изменения урожайности подсолнечника на уровне региона и его районов. Кроме того, так как данная модель имеют высокую адекватность, то ее исследование корректно считать исследованием самой моделируемой предметной области.

Предложены технология и методика постановки и решения задачи прогнозирования сценариев изменения урожайности подсолнечника на

уровне региона и его районов на основе системно-когнитивной модели, отличающиеся от традиционных:

- высокой степенью формализации модели знаний;

- возможностью синтеза матричной передаточной функции объекта прогнозирования непосредственно на основе эмпирических данных;

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

- корректной работой при неполных (фрагментированных) и зашум-ленных исходных данных.

Впервые проведено исследование системно-когнитивной модели искусственной экосистемы насаждений подсолнечника Краснодарского края, которое корректно считать исследованием самой экосистемы, так как верификация данной модели показала ее высокую адекватность.

По мнению авторов на основе этих результатов можно обоснованно сделать главный вывод о том, что найдено новое, ранее не описанное в специальной литературе, общее научное и практическое решение проблемы прогнозирования динамики урожайности подсолнечника по районам Краснодарского края и краю в целом.

В основе этого решения - применение методов системно-когнитивного анализа, обеспечивающих как синтез и верификацию системно-когнитивной модели искусственной экосистемы насаждений подсолнечника Краснодарского края, так и решение задач прогнозирования и исследования на ее основе.

При решении проблемы была проведена многоэтапная многоуровневая детализированная декомпозиция цели, в результате которой поставлены задачи, являющиеся этапами ее достижения, разработаны соответствующие методики решения поставленных задач, которые не остались чисто теоретическими разработками, но были реально применены на практике.

Сформулированы требования к методу решения проблемы, рассмотрены недостатки традиционного подхода и предложено ее общее решение путем применения системно-когнитивного анализа (СК-анализ), проведена когнитивная структуризация объекта управления.

Осуществлены когнитивная структуризация и формализация предметной области: проанализированы исходные данные для построения системно-когнитивной модели искусственной экосистемы насаждений подсолнечника Краснодарского края, поставлена и решена задача их автоматизированного преобразования к виду, непосредственно воспринимаемому системой "Эйдос" с помощью одного из ее стандартных программных интерфейсов; приведен алгоритм и исходный текст программы, обеспечивающей эти функции, а также результаты ее работы и автоматически сформированные на их основе системой "Эйдос" справочники классов и факторов, а также обучающая выборка.

Приведена классификация исследовательских задач, которые можно решать с помощью созданной системно-когнитивной модели искусствен-

ной экосистемы насаждений подсолнечника Краснодарского края, включающая, в частности, следующие задачи;

- информационные портреты классов и факторов;

- кластерный анализ и семантические классов и факторов;

- когнитивные диаграммы классов и факторов;

- нелокальные нейроны и нейронные сети;

- когнитивные функции;

- простые и интегральные когнитивные карты.

В работе приведены общие методики и конкретные примеры решения некоторых из этих задач.

Литература

1. Луценко Е.В. Применение СК-анализа и системы «Эйдос» для синтеза когнитивной матричной передаточной функции сложного объекта управления на основе эмпирических данных / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар; КубГАУ, 2012. -№01(75). С. 681 - 714. - Шифр Информрегистра; 0421200012\0008. - Режим доступа; http://ej.kubagro.ru/2012/01/pdf/53.pdf, 2,125 у.п.л.

2. Луценко Е. В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем); Монография (научное издание). - Краснодар; КубГАУ. 2002. -605 с.

3. Луценко Е. В. Методологические аспекты выявления, представления и использования знаний в АСК-анализе и интеллектуальной системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар; КубГАУ, 2011. - №06(70). С. 233 - 280. - Шифр Информрегистра; 0421100012\0197. - Режим доступа; http://ej.kubagro.ru/2011/06/pdf/18.pdf, 3 у.п.л.

4. Луценко Е.В. Типовая методика и инструментарий когнитивной структуризации и формализации задач в СК-анализе / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар; КубГАУ, 2004. -№01(3). С. 388 - 414. - Режим доступа; http://ej.kubagro.ru/2004/01/pdf/16.pdf, 1,688 у. п. л.

5. Луценко Е. В. Метод когнитивной кластеризации или кластеризация на основе знаний (кластеризация в системно-когнитивном анализе и интеллектуальной системе «Эйдос») / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар; КубГАУ, 2011. - №07(71). С. 528 -576. - Шифр Информрегистра; 0421100012\0253. - Режим доступа; http://ej.kubagro.ru/2011/07/pdf/40.pdf, 3,062 у.п.л.

6. Луценко Е.В. Метод визуализации когнитивных функций - новый инструмент исследования эмпирических данных большой размерности / Е.В. Луценко, А.П. Трунев, Д.К. Бандык // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар; КубГАУ, 2011. - №03(67). С. 240 - 282. - Шифр Информреги-

стра: 0421100012\0077. - Режим доступа: http://ej.kubagro.ru/2011/03/pdf/18.pdf, 2,688 у.п.л.

7. Луценко Е.В. Когнитивные функции как адекватный инструмент для формального представления причинно-следственных зависимостей / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2010. - №09(63). С. 1 - 23. - Шифр Информрегистра: 0421000012\0233. - Режим доступа: http://ej.kubagro.ru/2010/09/pdf/01.pdf, 1,438 у.п.л.

8. Теория нечетких множеств и клеточных автоматов как инструментарий прогноза и адекватного отражения стохастической природы экономических процессов / Е.В. Попова, Н.О. Позднышева, Д.Н. Савинская и др. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. -№03(67). С. 293 - 314. - Шифр Информрегистра: 0421100012\0088. - Режим доступа: http://ej.kubagro.ru/2011/03/pdf/20.pdf, 1,375 у.п.л.

9. Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). - Краснодар: КубГАУ. 2005. - 480 с.

10. Луценко Е. В., Лойко В.И., Великанова Л.О. Прогнозирование и принятие решений в растениеводстве с применением технологий искусственного интеллекта: Монография (научное издание). - Краснодар: КубГАУ, 2008. - 257 с.

11. Луценко Е.В. Системная теория информации и нелокальные интерпретируемые нейронные сети прямого счета / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2003. - №01(1). С. 79 -91. - Режим доступа: http://ej.kubagro.ru/2003/01/pdf/11.pdf, 0,812 у.п.л.

12. Луценко Е.В. Универсальная когнитивная аналитическая система «Эйдос-Х++» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2012. - №09(83). С. 340 - 368. - Режим доступа: http://ej.kubagro.ru/2012/09/pdf/25.pdf, 1,812 у.п.л.

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Луценко Евгений Вениаминович, Познышева Наталья Олеговна

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Луценко Евгений Вениаминович, Познышева Наталья Олеговна

FORECASTING OF SUNFLOWER YIELD FOR THE KRASNODAR REGION WITH THE USE OF SYSTEM-COGNITIVE ANALYSIS (PART II: Formal statement of the problem and the transformation of raw data into information, and information into knowledge)