ІНФОРМАЦІЙНА СИСТЕМА ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ДЛЯ МОДЕЛЮВАННЯ ВРОЖАЙНОСТІ ГОРОХУ ОВОЧЕВОГО
Анотація
В Україні серед зернобобових культур одне з провідних місць належить гороху. Моделювання як скла-
дова частина програмування врожаю передбачає розробку прогнозу, тобто ймовірного уявлення про теоретично
можливу врожайність, яка забезпечується різними агробіологічними показниками. Одна з головних умов підви-
щення ефективності виробництва і збільшення валових зборів гороху овочевого є розробка та впровадження у сіль-
ськогосподарську практику новітніх прийомів підвищення його продуктивності, що є важливою і актуальною про-
блемою. Високоефективним сучасним інструментом математичного моделювання, прогнозування, розпізнавання
ситуацій та підтримки прийняття рішень є байєсівські мережі (БМ), які мають ряд переваг перед іншими методами
моделювання.
Метою дослідження є вивчення можливостей використання апарату байєсівських мереж для побудови інформа-
ційної системи підтримки прийняття рішень (СППР) для моделювання врожайності гороху овочевого.
Методи дослідження. В статті розглянута можливість використання байєсівських мереж у інформаційної СППР при
плануванні врожайності гороху овочевого на агропідприємстві. БМ надають можливість врахування в одній моделі
категорійних і звичайних числових змінних, кількість змінних може сягати декількох сотень, наявність альтернативних
методів формування імовірнісного висновку та коректне представлення причинно-наслідкових зв’язків.
Основні результати дослідження. Апарат БМ дозволяє комбінувати наявні статистичні дані про агробіологічні
характеристики агропродукції у доповненні до експертної інформації, яку надають аграрії. Використання СППР на
основі БМ дозволить аграріям приймати рішення в умовах невизначеності наявної інформації про агробіологічні
характеристики вирощування гороху овочевого.
Наукова новизна. БМ – це потужний і ефективний математичний інструмент дослідження та відтворення реаль-
ної картини процесів у СППР, який доцільно застосовувати для розв’язання задач ймовірнісного прогнозування,
моделювання та оцінювання ризиків при плануванні врожайності.
Практична значимість. Для практичного підтвердження отриманих результатів проведено експеримент, резуль-
тати якого підтвердили практичну цінність запропонованої інформаційної технології, яка може бути використана для
моделювання врожайності гороху овочевого. Запропонована структура БД, СППР на її основі, забезпечать підтримку
прийняття ефективних рішень по організації збиральної кампанії гороху овочевого в різних технологічних і погодних
умовах.
Ключові слова
Повний текст:
PDF (English)Посилання
Алмашова В.С, Поліщук Ю.М. Вплив екологічно безпечних способів підвищення продуктивності гороху овочевого на його водоспожи-
вання. Регіональна науково-практична конференція молодих вчених та студентів «Наукове забезпечення раціонального використання
природних ресурсів акваторій та територій степової зони України». Колос-ХДАУ. Херсон, 2017. С. 121–134.
Алмашова В.С., Семен О.Т., Онищенко С.О. Агроекологічне обґрунтування вирощування гороху овочевого із застосуванням біологічного стимулятору росту ризоторфін. Вісник Уманського національного університету садівництва. Умань, 2019. С. 7–17.
Andriatsitohaina R., Celio Enrico, Llopis Jorge, Rabemananjara Zo, Ramamonjisoa Bruno, Grêt-Regamey Adrienne. Participatory Bayesian network modeling to understand driving factors of land-use change decisions: insights from two case studies in northeast Madagascar. Journal of Land Use Science. 2020. Pp. 1–22. DOI:10.1080/1747423X.2020.1742810
Carmona G.G., Várela-Ortega C., Bromley J. The Use of Participatory Object-oriented Bayesian Networks and Agro-economic Models for Ground-water Management in Spain. Springerlink. 2011. No 25(5). Pp. 1509–24.
Castelletti A., Soncini-Sessa R. Bayesian Networks and participatory modelling in water resource management. Environmental Modelling & Software. 2007. No 22(8). Pp. 1075–1088. DOI: 10.1016/j.envsoft.2006.06.003
Гамаюнова В.В., Коковіхін С.В., Алмашова В.С., Онищенко С.О. Агробіологічне обґрунтування технології вирощування гороху овочевого в умовах півдня України : монографія. Херсон : Айлант, 2017. 183 с.
Коковіхін С.В, Гамаюнова В.В, Онищенко С.О., Алмашова В.С. Агроекологічні аспекти вирощування гороху овочевого на півдні України при використанні елементів живлення бору, молібдену та стимулятору росту ризоторфін : монографія. Херсон : ДВНЗ «ХДАУ», 2018. 200 с.
Landuyt D., Broekx S., Goethals P. Bayesian belief networks to analyse trade-offs among ecosystem services at the regional scale. Ecological Indicators, 2016. No 71. Pp. 327–335. DOI:10.1016/j.ecolind.2016.07.015
Lytvynenko V., Savina N., Krejci J., Voronenko M., Yakobchuk M., Kryvoruchko O. Bayesian Networks’ Development Based on Noisy-MAX Nodes for Modeling Investment Processes in Transport. Proceedings of the Second International Workshop «Modern Machine Learning Technologies and Data Science» (MoMLeT&DS-2019). Shatsk, Ukraine, June 2–4, 2019. Pp. 1–10. ISSN 1613-0073, http://ceur-ws.org/Vol-2386/
Lytvynenko V., Savina N., Pyrtko M., Voronenko M., Baranenko R., Lopushynskyi I. Development, validation and testing of the Bayesian network to evaluate the national law enforcement agencies’ work . In: Proc. 9nd Int. Conf. on Advanced Computer Information Technologies (ACIT’ 2019), 2019. Pp. 252–256. ISBN: 978-1-7281-0449-2
Mbuvha R., Jonsson M., Ehn N., Herman P. Bayesian neural networks for one-hour ahead wind power forecasting. 2017 IEEE 6th International
Conference on Renewable Energy Research and Applications (ICRERA), San Diego, CA, 2017, pp. 591–596. DOI: 10.1109/ICRERA.2017.8191129
Perederyi V., Borchik E., Ohnieva O. Information Technology of Control and Support for Functional Sustainability of Distributed Man-Machine
Systems of Critical Application. Lecture Notes in Computational Intelligence and Decision Making.Proceedings of the XV International Scientific Conference “Intellectual Systems of Decision Making and Problems of Computational Intelligence” (ISDMCI’2019). Ukraine, May 21–25, 2019. Pp. 461–477. DOI: https://doi.org/10.1007/978-3-030-26474-1_33
Ушкаренко В.О., Андрусенко І.І., Пилипенко Ю.В. Екологізація землеробства і природокористування в Степу України. Таврійський науковий вісник : зб. наук. праць. Херсон : Айлант, 2005. Вип. 38. С. 168–175.
Xie H., Shi J., Lu W., Cui W. Dynamic Bayesian networks in electronic equipment health diagnosis. Prognostics and System Health Management
Conference (PHM-Chengdu). Chengdu, 2016. Pp. 1–6. DOI: 10.1109/PHM.2016.7819945
Зелінська О. В., Сухоцька С. М. Використання сучасних інформаційних технологій в агропромисловому комплексі. Галицький економіч-
ний вісник. 2016. № 2. С. 148-152.
Згуровський М.З., Бідюк П.І., Терентьєв О.М., Просянкіна-Жарова Т.І. Байєсівські мережі в системах підтримки прийняття рішень. Київ :
ТОВ «Видавниче Підприємство «Едельвейс», 2015. 300 с.
DOI: https://doi.org/10.35546/2313-0687.2019.26.55-62
Посилання
- Поки немає зовнішніх посилань.