ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
162<br />
Таблица 4.9 – Фрагмент базы прецедентов<br />
Факторы<br />
Результаты<br />
X1 X2 X3 X4 X5 X6 X7 Y1 Y2 Z<br />
ОП 2 К В Б МС 1 65 2 1<br />
ОЯ 1 К С О ОС 1 54 2 0<br />
ОП 2 Т В П ОМ 1 67 2 1<br />
ОП 1 С Н П О 1 44 3 0<br />
ЯЯ 3 Т С О ОС 1 57 1 0<br />
На основе таблицы 4.9 с помощью банка тестов создается расширенная<br />
таблица, которая для каждого фактора содержит столько колонок, сколько<br />
доменов в конфигураторе данного фактора. С помощью расширенной<br />
таблицы и банка тестов находятся (предельные) синдромные и<br />
вероятностные модели знаний (глава 5). Модели знаний служат основой<br />
для решения первой и второй задач.<br />
Задача прогнозирования состоит в том, чтобы по планируемым к<br />
применению или уже применяемым агротехнологиям спрогнозировать<br />
наиболее вероятные хозяйственные результаты. Приведем пример Анкеты<br />
распознаваемой ситуации:<br />
Анкета ситуации {ПРЕДШЕСТВЕННИКИ/1 Многолетние травы;<br />
УРОВЕНЬ ПЛОДОРОДИЯ/1 Средний; ОБРАБОТКА ПОЧВЫ/1<br />
Безотвальная; УДОБРЕНИЕ/1 Отсутствует; ЗАЩИТА РАСТЕНИЙ/1<br />
«Бактороденцид 3 кг/га : Фосфид цинка т.п. (5%) 4 кг/га»}.<br />
По Анкете ситуации и фиксированной синдромной модели знаний<br />
определяются все имеющиеся синдромы. Синдромы могут указывать либо<br />
на z = 1, либо на z = 0. Если обнаружатся синдромы, которые указывают на<br />
разные заключения, то либо анализируемая ситуация не соответствует<br />
реальности, либо база прецедентов не релевантная (содержит не все<br />
значимые прецеденты), другими словами, анализируемая ситуация<br />
фальсифицирует выбранную модель знаний.<br />
Если нас интересует вопрос о том, какие необходимо применить<br />
агротехнологии, чтобы получить очень высокую урожайность озимой<br />
пшеницы сорта_2, то необходимо сформировать соответствующее Z и с<br />
помощью метода предельных обобщений построить синдромные модели<br />
знаний. Далее определяются достижимые целевые синдромы, которые<br />
затем реализуются. Классификационная шкала Z формируется так (z = 1):<br />
Культура + сорт + урожайность: Озимая пшеница+Сорт_2+{90.0-100.0}.<br />
Отметим, что если бы в исходных данных были указаны<br />
предшественники не только прошлого года, но и позапрошлого, и 3, 4, и<br />
более лет назад, то предложенная модель позволила бы исследовать их