А.М. Карпович

В статье рассматривается выбор метода оптимизации возделывания сельскохозяйственных культур для получения высокой урожайности при наименьших затратах на ресурсы производства. Большое внимание уделяется интенсивным способам развития новейшей технологии, применению современных методик оптимизации и построению математической модели получения оптимального севооборота выбранных культур.

Земля — основа любой хозяйственной деятельности и существования человека. Уникальным свойством сельскохозяйственных земель является плодородие, т.е. способность постоянно производить биомассу. Соответственно, задача сохранения и улучшения плодородия земель является фундаментальным направлением устойчивого развития государства.

Основная проблема в земельном фонде Республики Беларусь — снижение площади сельскохозяйственных земель. По официальным данным земельного учета, по состоянию на январь 2016 года общая площадь земельного фонда Республики Беларусь составляет 20760,0 тыс. га. На сельскохозяйственные земли приходится 8894,6 тыс. га (42,8 %).

В период с 2001 по 2015 гг. отмечалась отрицательная тенденция динамики площади сельскохозяйственных земель. За это время общая площадь, занятая сельскохозяйственными организациями, снизилась с 9257,7 до 8894,6 тыс. га, что составило (-4,1 %) [1].

Экономическое благополучие организации и сохранение плодородия земель вступают в противоречие, т.к. активное использование сельскохозяйственных земель приводит к уменьшению уровня плодородия. Решением данной проблемы является использование севооборотов, которые позволяют оказывать положительное влияние на плодородие. Севооборот представляет собой моделирование временной зависимости процесса чередования сельскохозяйственных культур и набора паров на выбранной территории [2].

В данной работе представлено использование метода дискретной оптимизации севооборота с выносом гумуса, основанного на элементах динамического программирования, заключающегося в разбиении общей задачи на подзадачи, в процессе распараллеливания процесса поиска оптимального решения [3-6]. Метод, предложенный в работе, основанный на комбинации элементов дискретной оптимизации, является приемлемым для поиска оптимального решения в задаче севооборота, так как его основой является динамический подход поиска оптимального решения при дискретном наборе параметров и переменных.

Обычно в комбинаторной оптимизации используются как стандартные математические методы (разложение в ряды, аппроксимация кривых данных) [7], так и наиболее актуальные методы из области создания искусственного интеллекта или нейронных сетей, или генетические алгоритмы [6]. Однако алгоритм комбинаторной оптимизации, в виде метода ветвей и границ, применяемый в ходе решении NP-задач, позволит при оптимизации севооборота уменьшить размерность допустимых решений, но новейшей методикой представления данного алгоритма является применение нейронных сетей или искусственного интеллекта. Представленный алгоритм позволит получить необходимый заказ на производство для получения требуемого количества культур при внутреннем использовании в хозяйстве, а также с учетом продажи за пределы хозяйства [8].

Кроме того, особенностью представленной модели, является то, что данный метод оптимизации позволит учесть наличие вторичных параметров севооборота, так как является универсальным методом при поиске оптимального решения в случае набора большого количества дополнительных параметров в силу дискретной постановки дня принятия оптимального решения в случае оптимизации севооборота.

pdfСкачать статью целиком

ЛИТЕРАТУРА:

  1. Реестр земельных ресурсов Республики Беларусь [Электронный ресурс] / Государственный комитет по имуществу Республики Беларусь. - Минск. 2016. - Режим доступа: http://www.gki.gov.by>docs/ sbomik 2016.doc. - Дата доступа: 31.10.2016.
  2. Барановская, В.А. Оптимизация гумусового состояния почв / В.А. Барановская // Почвенно-экологические проблемы в степном земледелии. -Пущино, 1992. - С. 79-87.
  3. Box. G. Е. Р., & Wilson. К. В. (1951). Experimental attainment of optimum conditions // Journal of the Royal Statistical Society, v. 13. - P. 1-45.
  4. Box, G. E. P.. Hunter. W. G.. & Hunter. S. J. (1978). Statistics for experimenters. - New York a.o: Wiley. 1978.-653 pp.
  5. Douglas W. Jones // Standard Ternary Logic. Feb. 11.2013.-121 pp.
  6. Fisher. R. A. (1925). Statistical methods for research workers. Edinburgh: Oliver and Boyd. - 269 pp.
  7. Marco Cavazzuti, Optimization Methods: From Theory to Design Scientific and Technological Aspects in Mechanics. Springer-Verlag. - Berlin. Heidelberg. 2013.- 262 pp.
  8. A. H. Land and A. G. Doig. An automatic method of solving discrete programming problems. Econometrica. vol. 28 (1960). - P. 497-520.
  9. Болотов, A.T. Избранные сочинения по агрономии, плодоводству, лесоводству, ботанике / А.Т. Болотов. - М.: Сельхозгиз. 1952. - 524 с.
  10. Бондарев, А.Г. Некоторые пути определения оптимальных параметров агрофизических свойств почв /А.Г. Бондарев, В.В. Медведев // Теоретические основы и методы определения оптимальных параметров и свойств почв. - М: Почв. Ин-т им. В.В. Докучаева, 1980. - С. 85-98.
  11. Дорохин, И.Н. Продуктивность севооборотов в зависимости от интенсивности технологий / И.Н. Дорохин//Земледелие, 2008. - №6.-С. 32-34.
  12. Булаткин, Г.А. Энергетические основы моделей расширенного воспроизводства плодородия почв / Г.А. Булаткин // Вестник с.-х. науки, 1989. -№ 7.- С. 88-93.
  13. Гончар-Зайкин, П.П. Метод номографического расчета гумусового баланса почв в севооборотах / П.П. Гончар-Зайкин. О.С. Журавлев // Плодородие почв и пути его повышения. - М.: Колос, 1983. -С. 154-157.
  14. Егорова, Г.С. Поддержание положительного баланса гумуса почвы при интенсивной системе земледелия / Г.С. Егорова, А.А. Околелова // Научный вестник: сер. Агрономия. - Вып.4. - Волгоград: ВГСХА, 2004. - С. 97-100.
  15. Постников. П. А. Севооборот - основа сохранения плодородия / П.А. Постников // Земледелие, 2002.- №6. -С. 16.
  16. Светлов, Н.М. Применение метода динамического программирования для оптимизации севооборотов / Н.М. Светлов. - М.: МСХА. - 1996. - С. 18.