Учредитель и издатель ФГБНУ «РосНИИПМ»
Сетевое издание «Мелиорация и гидротехника/Land Reclamation and Hydraulic Engineering»
ISSN 2712-9357
RUS / ENG

ФОРМАЛИЗАЦИЯ ПАРАМЕТРОВ МОДУЛЯ ФЕРТИГАЦИИ В СИСТЕМАХ КАПЕЛЬНОГО ОРОШЕНИЯ

Аннотация

Цель: формализовать параметры, от которых зависит выбор оптимальных норм внесения удобрений, нечеткими множествами для построения нечеткой модели и системы управления модулем фертигации. 

Материалы и методы. Применение методов Soft Computing обусловлено необходимостью представления значений входных переменных в виде нечетких множеств с последующей структурной и параметрической идентификацией нечеткой модели контроля концентрации питательных веществ раствора. Это позволит составить нечеткие базы знаний в виде правил «ЕСЛИ – ТО» и, используя методы нечеткой логики, определить четкие значения выходных переменных: необходимые дозы внесения азота, фосфора и калия с поливной водой. 

Результаты. В качестве входных переменных определены параметры, от которых зависит выбор оптимальных норм удобрений. На выходе модели используются три переменные, определяющие нормы азота, фосфора и калия питательного раствора. Для каждой из выбранных входных и выходных переменных выбраны диапазоны измерений, значения лингвистических термов и построены функции принадлежности. 

Выводы. Проведенная формализация входных и выходных величин даст возможность построить структуру модели управления модулем фертигации, сформировать нечеткие базы правил и осуществить нечеткий логический вывод по алгоритму Мамдани. Это позволит провести дефаззификацию выходных переменных по методу центра тяжести с целью получения на выходе четкого числового значения. Также возможно проведение параметрической идентификации полученной модели по обучающей выборке путем настройки параметров функций принадлежности. Благодаря использованию IoT-технологий можно будет осуществлять внешний контроль и при необходимости ручное управление системой фертигации. 

doi: 10.31774/2712-9357-2023-13-2-123-144

Ключевые слова

капельное орошение, фертигация, интернет вещей, функция принадлежности, нечеткая логика

Для цитирования

Тащилина А. В., Тащилин М. В. Формализация параметров модуля фертигации в системах капельного орошения // Мелиорация и гидротехника. 2023. Т. 13, № 2. С. 123–144. https://doi.org/10.31774/2712-9357-2023-13-2-123-144.

Об авторах

А. В. Тащилина – старший преподаватель кафедры математики и математического моделирования, Южно-Российский государственный политехнический университет (НПИ) имени М. И. Платова, Новочеркасск, Российская Федерация, Tashchilina.av@gmail.com

М. В. Тащилин – доцент кафедры математики и математического моделирования, кандидат технических наук, Южно-Российский государственный политехнический университет (НПИ) имени М. И. Платова, Новочеркасск, Российская Федерация, Tashilin.maxim@gmail.com

Список литературы

1. Тащилина A. В. Нечеткая модель оперативного планирования поливов для автоматизированных систем капельного орошения // Известия вузов. Северо-Кавказский регион. 2015. № 1. С. 38–41.

2. Тащилин М. В., Тащилина А. В. Система управления капельным орошением на базе нечеткой логики с использованием IoT-технологий // Развитие аграрной науки и практики: состояние, проблемы и перспективы: материалы Междунар. науч.-практ. конф. 26 мая 2022 г. (посвящ. 115-летию агроном. фак. Донского ГАУ). Персиановский: Донской ГАУ, 2022. С. 91–97. 

3. Инновационные технологии орошения овощных культур / А. Ю. Федосов, А. М. Меньших, М. И. Иванова, А. А. Рубцов. М.: Изд-во Ким Л. А., 2021. 306 с.

4. Воеводина Л. А. Использование показателя электропроводности для оценки продуктивности сельскохозяйственных культур // Научный журнал Российского НИИ проблем мелиорации [Электронный ресурс]. 2012. № 1(05). 10 с. URL: http:www.rosniipm-sm.ru/archive?n=82&id=88 (дата обращения: 15.03.2023).

5. Evaluation of soil fertility and fertilization practices for irrigated maize (Zea mays L.) under Mediterranean conditions in Central Chile / F. Nájera, Y. Tapia, C. Baginsky, V. Figueroa, R. Cabeza, O. Salazar // Journal of Soil Science and Plant Nutrition. 2015. Vol. 15, № 1. P. 84–97. http:dx.doi.org/10.4067/S0718-95162015005000008.

6. Prabakaran G., Vaithiyanathan D., Ganesan M. Fuzzy decision support system for improving the crop productivity and efficient use of fertilizers // Computers and Electronics in Agriculture. 2018. Vol. 150. P. 88–97. https:doi.org/10.1016/j.compag.2018.03.030.

7. Papadopoulos A., Kalivas D., Hatzichristos T. Decision support system for nitrogen fertilization using fuzzy theory // Computers and Electronics in Agriculture. 2011. Vol. 78, iss. 2. P. 130–139. https:doi.org/10.1016/j.compag.2011.06.007.

8. Perspective-electrochemical sensors for soil quality assessment / M. A. Ali, L. Dong, J. Dhau, A. Khosla, A. Kaushik // Journal of the Electrochemical Society. 2020. 167. 037550. DOI: 10.1149/1945-7111/ab69fe.

9. A survey of LoRaWAN for IoT: From technology to application / J. Haxhibeqiri, E. De Poorter, I. Moerman, J. Hoebeke // Sensors. 2018. Vol. 18. P. 3995–4033. https:doi.org/10.3390/s18113995.

10. Мотузова Г. В., Безуглова О. С. Экологический мониторинг почв: учебник. М.: Акад. Проект; Гаудеамус, 2007. 237 с.

Файлы для скачивания

Главный редактор

Балакай Г.Т.,
главный научный сотрудник
ФГБНУ "РосНИИПМ",
доктор сельскохозяйственных наук, профессор

Популярные статьи