ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ПРОГРАММНО-ИНФОРМАЦИОННОЙ СИСТЕМЫ АВТОМАТИЗИРУЮЩЕЙ ПРОЦЕСС ФОРМИРОВАНИЯ РЕКОМЕНДАЦИЙ ПО ВЫБОРУ РАЦИОНАЛЬНОГО МЕТОДА ОБРАБОТКИ ПОЧВ

EFFICIENCY STUDY SOFTWARE INFORMATION SYSTEM AUTOMATED PROCESS FORMATION OF RECOMMENDATIONS FOR SELECTION OF RATIONAL SOIL TREATMENT METHOD

Vadim Mukhametov

Master's student, Department of Computer Science and Automated Systems Software, Orenburg State University,

Russia, Orenburg

Tatiana Volkova

scientific adviser, Candidate of Technical Sciences, Associate Professor, Orenburg State University,

Russia, Orenburg

АННОТАЦИЯ

Рассматривается проведение эксперимента и тестирования информационно-телекоммуникационной системы, предназначенной для автоматизации процесса формирования рекомендаций по выбору рационального метода обработки почвы.

ABSTRACT

We are considering conducting an experiment and testing an information and telecommunication system designed to automate the process of generating recommendations for choosing a rational soil treatment method.

Ключевые слова: информационно-телекоммуникационная система, нейронная сеть, машинное обучение, дискриминантный анализ.

Keywords: information and telecommunication system, neural network, machine learning, discriminant analysis.

Для увеличения эффективности использования природных ресурсов АПК с целью наращивания темпов производства сельхозпродукции необходимо применение цифровизации [1, с. 2]. Нами предложена реализация программно-информационной системы, использующей многослойную нейронную сеть прямого распространения, которая будет обучаться методом обратного распространения ошибки [2, с. 28]. Основные ее особенности:

- На вход подается четыре значения, от которых зависит качество почвы: водопрочность, влажность почвы, температура и коэффициент структурности;

- Имеется один скрытый слой, содержащий два нейрона;

- В качестве выходных данных выступает показатель ранга качества почвы, который может иметь три варианта значений: 1,2 или 3. В дальнейшем именно по нему и будет делаться вывод о состоянии почвы в целом: 1 - отличные характеристики почвы, 2 – удовлетворительные, 3 – неудовлетворительные. В дальнейшем это позволит корректировать агротехнические мероприятия и применять наиболее рациональные из них.

Для оценки эффективности применения предложенного подхода были проведены эксперименты по расчёту ранга качества почвы. Использовался метод нейронной сети, реализованный в разработанном программном средстве, а также метод дискриминантного анализа, осуществляемый через программное средство Statistica [3, с. 6]. Мы использовали функцию классификации (автоматический классификатор), позволяющую с минимальными ошибками относить новую пробу к одному из трех классов.

Информационной базой в обоих случаях служила выборка данных по 100 образцам почвы с рангом качества, рассчитанным вручную. Дальнейшее тестирование производилось на 60 образцах. Результаты определения рангов качества почвы с использованием указанных выше методов демонстрирует таблица 1 (указаны только отличающиеся значения).

Таблица 1.

Фактические и прогнозируемые ранги качества

На рисунке 1 представлена графическая иллюстрация прогнозных данных, полученных с применением указанных моделей.

Рисунок 1. Сравнение эффективности предложенных методов

Таким образом, расчет средней квадратичной ошибки и средней абсолютной ошибки прогнозных данных позволил сделать вывод о перспективности метода нейронной сети, обученной с учителем (метод обратного распространения ошибки), для решения задач автоматизированного формирования рекомендаций по выбору рационального метода обработки почвы. Это позволяет утверждать, что использование нейронной сети позволит ускорить время и повысить точность обработки информации о состоянии почвы с целью повышения рационального использования почвенных ресурсов.

Список литературы:

1. Указ Президента Российской Федерации от 7 мая 2018 г. «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года».
2. Гладилин П.Е., Боченина К.О., Технологии машинного обучения - СПб: Университет ИТМО, 2020. – 75 с.
3. Буреева, Н.Н. Многомерный статистический анализ с использованием ППП “STATISTICA” [Текст] / Н.Н. Буреева. - Нижний Новгород, 2007. -112с.