Иващук Ольга Александровна, доктор технических наук, профессор кафедры информационных и робототехнических систем
ул. Победы, д. 85, г. Белгород 308015, Российская Федерация
Olga A. Ivashchuk, Dr. of Sci. (Engineering), Professor of the Information and Robotic Systems Department
85, Pobedi str., Belgorod 308015, Russian Federation
Кузичкин Олег Рудольфович, доктор технических наук, профессор кафедры информационных и робототехнических систем
ул. Победы, д. 85, г. Белгород 308015, Российская Федерация
Oleg R. Kuzichkin, Dr. of Sci. (Engineering), Professor of the Information and Robotic Systems Department
85, Pobedi str., Belgorod 308015, Russian Federation
Гончаров Дмитрий Викторович, старший преподаватель кафедры информационных и робототехнических систем
ул. Победы, д. 85, г. Белгород 308015, Российская Федерация
Dmitry V. Goncharov, Senior Lecturer of Information and Robotic Systems Department
85, Pobedi str., Belgorod 308015, Russian Federation
Дунаева Виктория Александровна, студент кафедры информационных и робототехнических систем
ул. Победы, д. 85, г. Белгород 308015, Российская Федерация
Victoria A. Dunaeva, Student of the Information and Robotic Systems Department
85, Pobedi str., Belgorod 308015, Russian Federation
Цель исследования: формирование банка моделей для осуществления имитационных экспериментов по оценке и прогнозированию значений концентрации парниковых газов в приземном слое атмосферы территории на основе аппарата искусственных нейронных сетей и ГИС-технологий. Рассматривается влияние повышенной концентрации диоксида углерода в приземном слое атмосферы на рост и развитие сельскохозяйственных растений, а именно на изменение фотосинтетической активности, уровня минерализации гумусового слоя почвы, что влияет на урожайность культур. Особенности сельскохозяйственного производства определяют актуальность создания и внедрения новой интеллектуальной технологии, которая обеспечит возможность выявления оптимальных параметров растениеводства.Методы. Формирование обучающей выборки для нейронной сети осуществлялось за счет численных экспериментов и методов математического моделирования. Для выбора лучшей топологии нейронной сети по прогнозированию концентрации парниковых газов на рассматриваемой территории были проведены эксперименты, которые позволили выявить среднеквадратическое отклонение и относительную погрешность. Для оценки прогностических способностей моделей были проведены натурные эксперименты по замерам концентраций CO2 в приземном слое атмосферы на сельскохозяйственных территориях Белгородской области.Результаты. Был разработан программный инструментарий, который позволяет визуализировать рассеивание и накопление парниковых газов в приземном слое атмосферы. Это позволяет проводить имитационные эксперименты, необходимые для определения территорий, которые находятся под воздействием техногенных источников. Была проведена оценка фотосинтетической активности растений на выбранной территории, что позволяет сформировать дальнейшие рекомендации по эффективному использованию сельскохозяйственной территории, направленные на повышение урожайности культур.Заключение. Были рассмотрены парадигмы нейронных сетей, проведены эксперименты по выявлению лучшей топологии. Разработан программный инструментарий, позволяющий визуализировать рассеивание и накопление парниковых газов в приземном слое атмосферы для лиц, принимающих решения. Проанализированы воздействия техногенных факторов на фотосинтетический аппарат сельскохозяйственных растений, на основании которых сформулированы выводы и практические рекомендации по выращиванию сельскохозяйственных культур.
Purpose of research: formation of a bank of models for the implementation of simulation experiments to assess and predict the values of greenhouse gas concentrations in the surface layer of the territory's atmosphere based on artificial neural networks and GIS technologies. The influence of the increased concentration of carbon dioxide in the surface layer of the atmosphere on the growth and development of agricultural plants, namely on the change in photosynthetic activity, the level of mineralization of the humus layer of the soil, which affects crop yields, is considered. The peculiarities of agricultural production determine the relevance of the creation and implementation of a new intelligent technology that will provide the opportunity to identify optimal parameters of crop production.Methods. The formation of a training sample for a neural network was carried out through numerical experiments and mathematical modeling methods. To select the best neural network topology for predicting the concentration of greenhouse gases in the territory under consideration, experiments were conducted that revealed the standard deviation and relative error. To assess the predictive abilities of the models, field experiments were conducted to measure CO2 concentrations in the surface layer of the atmosphere in the agricultural territories of the Belgorod region.Results. A software toolkit has been developed that makes it possible to visualize the dispersion and accumulation of greenhouse gases in the surface layer of the atmosphere. This makes it possible to conduct simulation experiments necessary to determine the territories that are under the influence of man-made sources. An assessment of the photosynthetic activity of plants in the selected territory was carried out, which allows us to form further recommendations for the effective use of agricultural territory aimed at increasing crop yields.Conclusion. The paradigms of neural networks were considered, experiments were conducted to identify the best topology. A software toolkit has been developed to visualize the dispersion and accumulation of greenhouse gases in the surface layer of the atmosphere for decision makers. The effects of technogenic factors on the photosynthetic apparatus of agricultural plants are analyzed, on the basis of which conclusions and practical recommendations for the cultivation of agricultural crops are formulated.
The authors declare that there are no conflicts of interest present.