Основные представления о моделировании. Базовые понятия и термины (стр. 14 )

50. Способ анализа зависимости потенциальной продуктивности от глубины грунтовых вод.  и  51. Способ анализа зависимости потенциальной продуктивности от начальной влажности почв.

       При разработке различных систем автоматизированного прогнозирования урожайности, при расчете максимальных урожаев и их агротехническом, экономическом, экологическом обеспечении важное место занимают модели роста и развития растений.        Растение - сложная стохастическая система, содержащая множество параметров состояния, количественные изменения которых ведут к количественному и качественному изменениям всей системы в целом. Математическая модель роста и развития растений должна описывать основные процессы, на которые влияет управляющее воздействие. В первом приближении (достаточном для моделирования ростовых функций) система “растение - среда обитания” может быть интерпретирована как динамическая система с распределенными параметрами, а математические модели системы могут быть описаны с помощью дифференциальных уравнений. При построении таких моделей необходимо принимать во внимание те значительные трудности, которые возникают при идентификации моделей, а также невозможность точно и полно описать такую сложную динамическую систему как “растение - среда обитания”. В связи с этим целесообразно создание достаточно простых моделей процесса роста (банка таких моделей), с небольшим числом неизвестных параметров – параметров агроэкосистемы, без которых растение не может существовать, не может функционировать как система. При таком подходе выигрыш может быть достигнут за счет использования более тонких и точных математических методов идентификации и прогноза, более интеллектуального, эффективного и гибкого математического и программного обеспечения, эффективных критериев адекватности и устойчивости моделей, а также технологии моделирования.

       С этих позиций рассматривается модель расчета влажности почвы с учетом накапливаемой биомассы и прогнозирования урожайности сельхозкультур по заданной (экологически обоснованной) влагообеспеченности корнеобитаемого слоя почвы и соответствующая компьютерная среда, позволяющая решать задачи прогноза влажности почвы и урожайности (биомассы) сельхозкультур на заданный момент времени с развитыми интерфейсными средствами, рассчитанными на неподготовленного пользователя - агронома, эколога.

Описание математической модели и процедуры ее идентификации

       Для определения динамики накопления биомассы может быть использован банк различных моделей, из которых подбирается по тем или иным критериям адекватности наилучшая модель (по результатам идентификации).

       Для нахождения влажности почвы нам необходимо идентифицировать переменные. Эта задача достаточно сложна из-за сложности и дороговизны проведения экспериментальных исследований (мониторинга). Мы продемонстрируем имитационную процедуру её решения для случая постоянных параметров модели ; случай кусочно-постоянных параметров - аналогичен и влияет только на размерность задачи, а случай произвольных функции сводим к проблеме аппроксимации их некоторой системой базисных функций.

       Одним из наиболее важных условий увеличения урожайности сельскохозяйственных культур является достижение такого уровня фактора роста, как влажность почвы, который позволит получить оптимальный режим орошения и, как следствие, высокий урожай. Эта задача не может быть решена без математического, в частности, имитационного моделирования отклика системы “растение” на управляющее воздействие “влажность”. Для этого, наряду с вышеописанной моделью для прогнозирования урожая использованы модели и алгоритмы работ

Описание компьютерной модели и вычислительных экспериментов

       Для реализации компьютерных имитационных процедур разработана и методика проведения экспериментов и программная система на языке Pascal в среде Delphi 2.0 Windows 95 имеющая диалоговый оконный интерфейс из 5 страниц: “Эксперимент”, “С/х культура”, “Регион”, “Рабочая” и “Результат”.

       1)Страница “С/х культура” - для ввода входной информации по культуре.

       2) Страница “Регион” - для ввода информации по региону эксперимента.

       3)Страница “Эксперимент” выглядит следующим образом.

Данная страница - для ввода исходных данных по эксперименту (культуры и даты снятия урожая, типа почвы, фаз вегетации и др.). После её заполнения, производится расчет влажности почвы и прогноз урожайности культуры. После этого раскрывается страница “Результат” вида:

       4)Страница “Рабочая” - для визуализации (анализа) расчётных величин.

Были проведены численные эксперименты с использованием общедоступных данных [11] (это можно отнести к достоинствам системы). Данные по температуре воздуха, величине осадков, уровню грунтовых вод и относительной влажности воздуха представлены с интервалом в 10-15 суток за весь период вегетационного цикла растения. Программа отображает результаты расчета в таблице и на графике. График оптимального развития культуры имеет “ступенчатый” характер ввиду того, что экспериментально полученные значения xmax(t) за прошлый год вводятся по фазам вегетации, а для межфазных периодов программно рассчитываются. Результаты расчётов приводятся только в графиках.

52. Способ анализа зависимости потенциальной продуктивности от типа почв.

       Необходимая информация собирается по каждому хозяйству и включает средние за последние 5-10 лет показатели о свойствах почв, продуктивности, данных о климатических особенностях. Оценка осуществляется в три этапа:– сбор и обработка почвенно-агрохимических и агроклиматических данных по хозяйствам;– почвенно-экологическая оценка, включающая расчет почвенно-экологического индекса;– бонитировка почв с учетом размещаемых на них сельскохозяйственных угодий.

       Далее составляется электронная агроэкологическая карта исследуемой территории. В основу агроэкологического картирования заложена агроэкологическая классификация, включающая, прежде всего, определение групп земель по основным почвенно-экологическим факторам и подгруппам – по интенсивности их проявления.

Далее агроэкологические подгруппы разделяются на классы по характеру почвообразующих пород; затем на подклассы по гранулометрическому составу.        Классификация предусматривает подразделения земель по особенностям мезорельефа, крутизне и экспозициям склонов, что позволяет идентифицировать выделенные контуры с аналогичными микроклиматическими условиями.

       С учетом всех перечисленных показателей специалистами составляется комплексная детальная карта опытного участка. Электронная карта строилась на основе составленной специалистами карты почвенных ареалов и посевных площадей, содержащих информацию об элементарных ареалах агроэкологического ландшафта (АЭЛ). Под каждым таким ареалом понимается однородный почвенный контур, участок на элементе мезорельефа, характеризующийся одинаковыми геологическими, литологическими и микроклиматическими условиями.

Формирование почвенно-географических слоёв карты

При построении электронной ГИС-карты были выделены семь самостоятельных слоёв:

– Почвы – для хранения информации об элементарных ареалах агроэкологического ландшафта (ЭАЛ);

–Почвы 1 – для хранения информации об ЭАЛ, информация по которым ещё не получена или не достаточно точна (вспомо-гательный слой);

– Дороги – для хранения информации о дорожно-транспортных путях, которая необходима при планировании посевных территорий;

– Заселённые – для хранения информации о заселённых территориях

– Реки – для хранения информации о речных каналах

– Другие – для хранения информации об объектах других категорий;

– Водоёмы – для хранения информации о водных бассейнах.

Формирование информационных слоев карты.

       Следующим является этап формирования информационных слоев карты. Для идентификации к каждому отдельно взятому ЭАЛ на электронной карте ГИС, то есть каждому объекту слоя «Почвы», были привязаны собственные номера и строки, содержащие кодировку для отдельного элементарного участка.

Каждому ЭАЛ присвоен уникальный номер на всей территории карты (_ID) и строка параметров (EALCODE).Строка EALCODE включает в себя исчерпывающую информацию об агроэкологических параметрах элементарного ареала.

Расшифровка строки параметров ЭАЛ ведётся по приведённой ниже схеме. Структура строки EALCODE в общем виде может быть представлена в виде 1.2.3.4.5.6.7.8.9 (1-2Л.3.4.5.6), где каждая из цифровых позиций обозначает следующее:– 1, 2 – зональность,– 3 – тип почвы,– 4 – гранулометрический состав почвы,– 5 – уклон склона,– 6 – экспозиция склона,– 7 – пятнистость почвенного покрова,– 8 – контрастность почвенного покрова,– 9 – сложность почвенного покрова,– 1-2Л (в скобках) – тип почвы,– 3 (в скобках) – освоенность,– 4 (в скобках) – гранулометрический состав,– 5 (в скобках) – содержание гумуса,– 6 (в скобках) – кислотность почвы.

Указанный набор характеристик каждого элементарного ареала карты ГИС позволяет выполнять различного вида анализ пригодности выбранной территории для той или иной сельскохозяйственной культуры.

53. Основные особенности анализа и моделирования статистических и динамических систем.

Определим метод имитационного моделирования в самом общем виде как экспериментальный метод исследования реальной системы по ее имитационной модели, который сочетает особенности экспериментального подхода и специфические условия использования вычислительной техники [1].
В этом определении подчеркивается, что имитационное моделирование является машинным методом моделирования, собственно без ЭВМ никогда не существовало, и только развитие информационных технологий привело к становлению этого вида компьютерного моделирования. В этом определении также акцентируется внимание на экспериментальной природе имитации, применяется имитационный метод исследования (осуществляется экспериментирование с моделью) [2]. Действительно, в имитационном моделировании важную роль играет не только проведение, но и планирование эксперимента на модели. Однако это определение не проясняет, что собой представляет сама имитационная модель. В чем же состоит сущность имитационного моделирования.
В процессе имитационного моделирования можно выделить четыре основных элемента:
1)реальная система;
2)логико-математическая модель моделируемого объекта;
3)имитационная (машинная) модель;
4)ЭВМ, на которой осуществляется имитация – направленный вычислительный эксперимент.
Изучает реальную систему, разрабатывает логико-математическую модель реальной системы. Имитационный характер исследования предполагает наличие логико – или логико-математических моделей, описываемых изучаемый процесс.
Особенностью имитационного моделирования является то, что имитационная модель позволяет воспроизводить моделируемые объекты: с сохранением их логической структуры; с сохранением поведенческих свойств (последовательности чередования во времени событий, происходящих в системе), т. е. динамики взаимодействий [1].
При имитационном моделировании структура моделируемой системы адекватно отображается в модели, а процессы ее функционирования проигрываются (имитируются) на построенной модели. Поэтому построение имитационной модели заключается в описании структуры и процессов функционирования моделируемого объекта или системы. В описании имитационной модели выделяют две составляющие:
-статическое описание системы, которое по-существу является описанием ее структуры. При разработке имитационной модели необходимо выполнять структурный анализ моделируемых процессов.
-динамическое описание системы, или описание динамики взаимодействий ее элементов. При его составлении фактически требуется построение функциональной модели моделируемых динамических процессов.
Идея метода, с точки зрения его программной реализации, состояла в следующем. Что если элементам системы поставить в соответствие некоторые программные компоненты, а состояния этих элементов описывать с помощью переменных состояния [1]. Элементы, по определению, взаимодействуют (или обмениваются информацией), – значит, может быть реализован алгоритм функционирования отдельных элементов – моделирующий алгоритм. Кроме того, элементы существуют во времени – значит надо задать алгоритм изменение переменных состояний.
Динамика в имитационных моделях реализуется с помощью механизма
продвижения модельного времени. Отличительной особенностью метода имитационного моделирования является возможность описания и воспроизведения взаимодействия между различными элементами системы. Таким образом, чтобы составить имитационную модель, необходимо: представить реальную систему (процесс), как совокупность взаимодействующих элементов; алгоритмически описать функционирование отдельных элементов; описать процесс взаимодействия различных элементов между собой и с внешней средой.
Ключевым моментом в имитационном моделировании является выделение и описание состояний системы. Система характеризуется набором переменных состояний, каждая комбинация которых описывает конкретное состояние. Следовательно, путем изменения значений этих переменных можно имитировать переход системы из одного состояния в другое. Таким образом, имитационное моделирование – это представление динамического поведения системы посредством продвижения ее от одного состояния к другому в соответствии с хорошо определенными операционными правилами. Эти изменения состояний могут происходить либо непрерывно, либо в дискретные моменты времени [2]. Имитационное моделирование – есть динамическое отражение изменений состояния системы с течением времени.
Таким образом, при имитационном моделировании логическая структура реальной системы отображается в модели, а также имитируется динамика взаимодействий подсистем в моделируемой системе. Это важный, но не единственный признак имитационной модели, исторически предопределивший, не совсем удачное, название методу, который серьезный исследователи чаще называют “системным моделированием”.