ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ...

ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ... ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ...

cdn.scipeople.com
from cdn.scipeople.com More from this publisher
31.01.2015 Views

158 а) Орграф доменов G + б) Предельный орграф доменов G ++ Рис. 4.18 – Орграфы доменов тестов «Фактор» и «Влияние» Общий вид когнитивной модели k, построенной на основе когнитивной карты и банка тестов {G(x)}, {G(a)}, может быть следующим: k = {f/µ: {} → x′/X}, (4.5) где f/µ – системопаттерн (µ – механизм реализации); x′/X – изучаемый фактор; {} – «соседние» факторы с коэффициентами влияния. Помимо модели (4.5), для любого Z-фактора строится математическая модель в виде предельной синдромной и вероятностной модели знаний в рамках контекста , где {x} – тесты, с помощью которых описываются прецеденты α({x/X}, z/Z) (см. главу 5). 4.2.6 Управление агротехнологиями Задачи управления продуктивностью и качеством сельхозкультур. Рассматриваются задачи управления продуктивностью (урожайностью) и качеством сельскохозяйственных культур путем выбора и применения оптимальной агротехнологии. В качестве параметров управления могут рассматриваться, например, следующие факторы (тесты) [93]: поставленная цель (максимальное количество или максимальное качество продукции); вид севооборота; ротация севооборота; предшественники; система удобрений; сорта; способы посева; применение гербицидов и регуляторов роста; защита растений от вредителей и болезней; глубина и способ обработки почвы; сроки сева; нормы высева (млн. всхожих семян на 1 га). Решаются две основные задачи: 1. Прогнозирование того, какие хозяйственные результаты наиболее вероятны на данном виде почв, с данными предшественниками при

159 условии применения имеющихся в распоряжении агротехнологий. 2. Поддержка принятия решений по выбору управляющих воздействий, т.е. консультирование по вопросам о том, какие виды почв, предшественники и агротехнологии должны быть, чтобы можно было рассчитывать с определенной уверенностью на заданный хозяйственный результат. Задача поддержки принятия решений является обратной по отношению к задаче прогнозирования: если в задаче прогнозирования требуется по значениям факторов определить в какие состояния может под их влиянием перейти объект управления, то в задаче поддержки принятия решений, наоборот, по заданному будущему состоянию объекта управления (обычно целевому) определить значения факторов, которые с наибольшей вероятностью переведут объект управления в это состояние. Вторая задача получает разрешение в рамках синдромного принципа управления (глава 7). Практическая значимость решения этих задач для хозяйств очевидна, т.к. достоверное прогнозирование результатов применения и научнообоснованные рекомендации по рациональному выбору агротехнологий позволят повысить экономическую эффективность хозяйствования. Новизна предлагаемого способа решения задач состоит в построения предельных синдромных и вероятностных моделей знаний на основе интеллектуальной обработки ретроспективных данных, отражающих фактический опыт выращивания исследуемых сортов, с использованием банка тестов. Предельный синдром – это фактически набор параметров порядка (в синергетическом смысле), определяющий эволюцию ситуации и обеспечивающий подстройку всех остальных параметров (принцип подчинения). Для примера рассмотрим влияние различных агротехнологий на урожайность пшеницы и ячменя в конкретных агрометеорологических условиях. Для формулировки целей будем использовать тест «Урожайность» (Y1) и тест «Качество» (Y2). Варианты простейших конфигураторов приведены ниже: Урожайность ^Y1 {2 {Низкая ^Н НС; Средняя ^С; Высокая ^ВС В} 1 {Низкая ^Н; Ниже средней ^НС; Средняя ^С; Выше средней ^ВС; Высокая ^В}} Качество ^Y2 {1 {Рядовая; Ценная; Сильная; Твердая; Семенная}}. В качестве классификационных шкал (заключения Z) могут быть выбраны следующие комбинации тестов: Урожайность (точное значение); Урожайность (интегральная оценка); Качество; Культура + сорт + урожайность; Культура + сорт + качество; Культура + урожайность (округленная); Культура + качество.

158<br />

а) Орграф доменов G + б) Предельный орграф доменов G ++<br />

Рис. 4.18 – Орграфы доменов тестов «Фактор» и «Влияние»<br />

Общий вид когнитивной модели k, построенной на основе когнитивной<br />

карты и банка тестов {G(x)}, {G(a)}, может быть следующим:<br />

k = {f/µ: {} → x′/X}, (4.5)<br />

где f/µ – системопаттерн (µ – механизм реализации); x′/X – изучаемый<br />

фактор; {} – «соседние» факторы с коэффициентами влияния.<br />

Помимо модели (4.5), для любого Z-фактора строится математическая<br />

модель в виде предельной синдромной и вероятностной модели знаний в<br />

рамках контекста , где {x} – тесты, с<br />

помощью которых описываются прецеденты α({x/X}, z/Z) (см. главу 5).<br />

4.2.6 Управление агротехнологиями<br />

Задачи управления продуктивностью и качеством сельхозкультур.<br />

Рассматриваются задачи управления продуктивностью (урожайностью) и<br />

качеством сельскохозяйственных культур путем выбора и применения<br />

оптимальной агротехнологии. В качестве параметров управления могут<br />

рассматриваться, например, следующие факторы (тесты) [93]: поставленная<br />

цель (максимальное количество или максимальное качество продукции); вид<br />

севооборота; ротация севооборота; предшественники; система удобрений;<br />

сорта; способы посева; применение гербицидов и регуляторов роста;<br />

защита растений от вредителей и болезней; глубина и способ обработки<br />

почвы; сроки сева; нормы высева (млн. всхожих семян на 1 га).<br />

Решаются две основные задачи:<br />

1. Прогнозирование того, какие хозяйственные результаты наиболее<br />

вероятны на данном виде почв, с данными предшественниками при

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!