Модельно-алгоритмическое обеспечение задач прогнозирования и планирования процесса заготовки кормов

Заготовка кормов из трав рассматривается как сложный технико-технологический процесс. Конечный продукт, в данном случае заготовка силоса, может быть получен с использованием разных вариантов технологий кормопроизводства. Представлен подход к выбору наиболее приемлемого варианта технологий и планов производства кормов из трав на основе логико-динамических и нечетко-возможностных моделей. Разработанный комплекс моделей и алгоритмов позволяет с системно-кибернетических позиций описать и исследовать существующие взаимосвязанные многоэтапные процессы производства кормов из трав при переводе объекта управления (сельскохозяйственного предприятия, производящего корма) из заданного исходного состояния в заданное конечное в зависимости от конкретных сценариев изменения внешних условий. В качестве основных внешних условий рассматриваются факторы, связанные с агробиологическими, временными, климатическими, экономическими и организационными ограничениями. Для решения задач предложены нечетко-возможностные модели оценивания урожайности кормовых угодий и качества выращенной кормовой массы. При анализе эффективности процессов кормопроизводства важным вопросом является многокритериальное оценивание качества, а также соответствующих программ проактивного управления процессом заготовки силоса с учетом следующих показателей: своевременности выполнения операций при различных условиях, степени равномерности использования ресурсов и общего времени заготовки кормов из трав. Предложены оригинальный математический анализ рассматриваемых процессов и алгоритмы решения задач прогнозирования и планирования заготовки кормов.

1. Вартанова М. Л., Дробот Е. В. Перспективы цифровизации сельского хозяйства как приоритетного направления импортозамещения // Экономические отношения. 2018. Т. 8, № 1.

2. Валге А. М., Еремин М. А,. Сухопаров А. И. Методика моделирования технологического процесса заготовки кормов из трав // Технологии и технические средства механизированного производства продукции растениеводства: Теоретический и научно-практический журнал. 2018. № 4, вып. 97. С. 115—126.

3. Тихомиров И. А., Скоркин В. К., Аксенова В. П., Андрюхина О. Л. Повышение эффективности производства продукции молочного и мясного скотоводства на основе совершенствования технологии кормления // Вестн. ВНИИМЖ. 2017. №1(25). С. 70—77.

4. Popov V. D., Spesivtsev A. V., Sukhoparov A. I., Spesivtsev V. A. Convolution of multi-criteria expert estimates in a context of uncertainty // Proc. of the 20th IEEE Intern. Conf. on Soft Computing and Measurements. 2017. P. 203—206.

5. Popov V., Spesivtsev A., Sukhoparov A., Spesivtsev V. Fuzzy-multiple models of formalization of soil resources in formation of system for controlling processes of feed production from grasses // Proc. 19th Intern. Sci. Conf. „Engineering for Rural Development“, Jelgava, Latvia, May 20—22, 2020. P. 773—777.

6. Башилов А. М., Королев В. А., Арженовский А. Г., Глобин А. Н., Глечикова Н. А. Проактивное моделирование динамической сложности агротехноценозов // Вестн. аграрной науки Дона. 2020. № 3 (51). С. 45—53.

7. Marino R., Tomei P. Robust adaptive state-feedback tracking for nonlinear systems // IEEE Trans. Automat. Contr. 1998. Vol. 43. P. 84—89. DOI:10.1109/9.654892.

8. Охтилев М. Ю., Соколов Б. В., Юсупов Р. М. Теоретические и технологические основы концепции проактивного мониторинга и управления сложными объектами // Изв. ЮФУ. Технические науки. 2015. № 1 (162). С. 162—174.

9. Sokolov B. V., Pavlov A. N., Potriasaev S. A., Zakharov V. V. Methodology and Technologies of the Complex Objects Proactive Intellectual Situational Management and Control in Emergencies // Advances in Intelligent Systems and Computing. 2020. 1156 AISC. P. 234—243.

10. Захаров В. В. Программно-математическое обеспечение процесса модернизации сложных объектов // Изв. вузов. Приборостроение. 2020. Т. 63, № 11. С. 975—984.

11. Sokolov B. V., Potriasaev S. A., Yusupov R. M. Proactive Management of Information Processes in the Industrial Internet // Journal of Physics: Conf. Series. 2021. N 1864 (1). P. 012—007.

12. Gnidenko A.S., Vladislav S.A., Sokolov B.V., Potriasaev S.A. Methodology and integrated modeling technologies for synthesis of cyber-physical production systems modernization programs and plans // IFAC-PapersOnLine. 2019. Vol. 52. P. 642—647.

13. Sokolov B. V., Verzilin D. N., Zaychik E. M. Models and an Algorithm for Multi-Criteria Synthesis of Control Technologies Managing Information Systems of Virtual Enterprises // Proc. 22nd European Conf. on Modelling and Simulation. 2008. DOI:10.7148/2008-0048.

14. Спесивцев А. В., Сухопаров А. И., Спесивцев В. А., Семенов А. И. Многофактоная свертка экспертной информации при оценивании сельскохозяйственных технологий на основе явных и неявных экспертных знаний // Мягкие измерения и вычисления. 2021. № 7. С. 23—32.

15. Drozdov A. V., Spesivtsev A. V. Formalization of expert information in the logical-linguistic description of complex systems // Journal of Computer and Systems Sciences Intern. 1995. N 33(4). P. 76—83.

16. Спесивцев А. В. Мягкие измерения и мягкие вычисления при моделировании состояния сложных объектов на базе экспертных знаний // Управление в условиях неопределенности: Монография / Под общ. ред. С. В. Прокопчиной. СПб: Изд-во СПбГЭТУ „ЛЭТИ“, 2017. С. 217—263.