ОПТИМІЗАЦІЯ ЕНЕРГЕТИЧНИХ ЗАТРАТ І ВИТРАТ ВОДИ В АВТОМАТИЗОВАНІЙ СИСТЕМІ КЕРУВАННЯ ВОЛОГОЗАБЕЗПЕЧЕНІСТЮ СІЛЬСЬКОГОСПОДАРСЬКИХ КУЛЬТУР

  • L. Lievi
Ключові слова: інтелектуальні методи підтримки прийняття рішень, оптимальне керування вологозабезпеченістю, багатокритеріальність, нео-фаззі модель об‘єкта керування, принцип головного критерію, схема максиміну

Анотація

Метою керування водним режимом ґрунту є отримання планового врожаю сільськогосподарських культур. Сучасні методи розрахунку зрошувальних систем та управління ними вимагають використання кількісних зв‘язків між водним режимом ґрунту та врожайністю культур. Існують підходи по зв‘язуванню врожайності із сумарним випаровуванням, коефіцієнтом вологозабезпеченості, опадами, кількістю днів, в які рослини відчують водний стрес. Найдосконалішими є динамічні моделі формування врожаю, в яких враховуються всі основні чинники життєдіяльності рослин. Вони інваріантні, але для їх практичного застосування необхідно визначати велику кількість недостатньо вивчених на даний час чинників зовнішнього середовища та фізіології рослин, що змінюються у часі за видами та сортами рослин. За фізіологічними властивостями розрізняють два типи культур. До першого типу належать культури, що мають яскраво виражені критичні періоди, наприклад, зернові, для яких недостатнє водопостачання під час цвітіння має необоротний згубний вплив на обсяг врожаю; до другого - культури, наприклад, трави, які можуть переносити підсушування ґрунту протягом невеликого періоду і після цього цілком відновлювати врожай за оптимального водоспоживання. В таких моделях кожна попередня фаза розвитку рослин впливає на зростання і розвиток у наступній фазі. В роботі застосовано інтелектуальні методи підтримки прийняття рішень в умовах багатокритеріальності в задачах оптимального керування вологозабезпеченістю сільськогосподарських культур. Даний підхід дозволяє економити водні та енергетичні ресурси при керуванні вологозабезпеченістю сільськогосподарських культур без втрат врожайності.

Завантаження

Дані про завантаження поки що недоступні.

Посилання

1. Лазарчук М.О. Основи гідромеліорацій. Осушення земель. / М.О. Лазарчук. - Рівне: НУВГП, 2006. - 300 с.
2. Комашинский В.И. Нейронные сети и их применение в системах управления и связи / В.И. Комашинский, Д.А. Смирнов. - Москва: Горячая линия - Телеком, 2003. - 93 с.
3. Mohammed, A. S. Optimal Forecast Model for Erbil Traffic Road Data. ZANCO Journal of Pure and Applied Sciences. 2017. Vol. 29, No 5. P. 137–145. DOI: https://doi.org/10.21271/ZJPAS.29.5.15
4. Коваленко А. А. Методи синтезу інформаційної та технічної структур системи управління об’єктом критичного застосування / А. А. Коваленко, Г. А. Кучук // Сучасні інформаційні системи. 2018. Т. 2, № 1. С. 22–27. DOI: https://doi.org/10.20998/2522-9052.2018.1.04
5. Свиридов А. C., Коваленко А. А., Кучук Г. А. Метод перерозподілу пропускної здатності критичної ділянки мережі на основі удосконалення ON/OFF-моделі трафіку. Сучасні інформаційні системи. 2018. Т. 2, № 2. С. 139–144. DOI: https://doi.org/10.20998/2522-9052.2018.2.24
6. Gomathi B, Karthikeyan N K, Saravana Balaji B, “Epsilon-Fuzzy Dominance Sort Based Composite Discrete Artificial Bee Colony optimization for Multi-Objective Cloud Task Scheduling Problem”, International Journal of Business Intelligence and Data Mining, Volume 13, Issue 1-3, 2018, pages 247-266, DOI: https://doi.org/10.1504/IJBIDM.2018.088435
7. Кучук, Г.А. Метод уменьшения времени передачи данных в беспроводной сети / Г.А. Кучук, А.С. Мохаммад, А.А. Коваленко // Системи управління, навігації та зв’язку. – К.: ЦНДІ НіУ, 2011. – Вип. 3 (19). – С. 209–213.
8. Kuchuk G., Kovalenko A., Komari I.E., Svyrydov A., Kharchenko V.. Improving big data centers energy efficiency: Traffic based model and method. Studies in Systems, Decision and Control, vol 171. Kharchenko, V., Kondratenko, Y., Kacprzyk, J. (Eds.). Springer Nature Switzerland AG, 2019. Pp. 161-183. DOI: http://doi.org/10.1007/978-3-030-00253-4_8
9. Amin Salih Mohammed, Saravana Balaji B., Hiwa Abdulkarim Mawlood. Conceptual analysis of Iris Recognition Systems. Advanced Information Systems. 2019. Vol. 3, No. 2. Р. 86-90. DOI : https://doi.org/10.20998/2522-9052.2019.2.15
10. Кучук Г. А. Метод параметрического управления передачей данных для модификации транспортных протоколов беспроводных сетей / Г.А. Кучук, А.С. Мохаммад, А.А. Коваленко // Системи обробки інформації. – 2011. – № 8(98). – С. 211-218.
11. Grebennik I.V. Interval estimation of alternatives in decision-making problems / I.V. Grebennik, T.E. Romanova, S.B. Shekhovtsov // Cybernetics and Systems Analysis, 45(2), 2009. - P. 253-262.
12. Гребеннік І.В. Методи прийняття рішень / О.Г. Наконечний, І.В. Гребеннік, Т.Є. Романова, А.Д. Тевяшев. - Харків: ХНУРЕ, 2016. - 132 с.
Опубліковано
2019-09-11
Як цитувати
Lievi L. Оптимізація енергетичних затрат і витрат води в автоматизованій системі керування вологозабезпеченістю сільськогосподарських культур / L. Lievi // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2019. – Т. 4 (56). – С. 17-20. – doi:https://doi.org/10.26906/SUNZ.2019.4.017.
Розділ
Управління в складних системах