doi: 10.24411/0044-3913-2021-10207

УДК 631.171 

Д. А. СОЛОВЬЕВ, доктор технических наук, врио ректора (e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.)

Г. Н. КАМЫШОВА, кандидат физико-математических наук, зав. кафедрой (e-mail: gkamichova@ mail.ru)

Н. Н. ТЕРЕХОВА, кандидат технических наук, доцент (e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.)

Саратовский государственный аграрный университет, Театральная пл., 1, Саратов, 410012, Российская Федерация

Следуя глобальным трендам, перед российским аграрным сектором поставлена задача цифровой трансформации. Для ее решения необходимо развитие новых интеллектуальных методов и моделей. Модели на базе искусственных нейронных сетей более эффективны, чем традиционные подходы, основанные только на физическом или математическом моделировании, в решении многих проблем. Использование динамической искусственной нейронной сети для прогнозирования среднегодового количества осадков обеспечивает увеличение точности, по сравнению с классическим математическим моделированием, на 25… 30 %. Исследование фактических скоростей движения дождевальных машин показывает их значительное отклонение от требуемых более чем на 10 %, что снижает эффективность орошения. Цель исследований – разработать архитектуру системы управления орошением на базе нейросетевых технологий. В основу системы положены две нейросетевые модели: прогноз агроклиматических ресурсов с использованием динамической искусственной нейронной сети и нейроуправление дождевальной техникой на основе многослойной искусственной нейронной сети. Нейросетевое моделирование проводили с использованием данных системы мониторинга климата Росгидромета и собственной системы сбора технических данных дождевальных машин Саратовского государственного аграрного университета. На основе многослойной нейронной сети синтезировали нейроконтроллер скорости. Его включение в контур управления машиной позволяет снизить отклонения скоростей движения до 1…3 %, оптимизируя работу дождевальной техники. Тестирование системы управления осуществляли на основе интеграции в комплексную цифровую платформу для управления агробизнесом «Агросигнал» в научно-производственном объединении Саратовского государственного аграрного университета. Ее использование обеспечило повышение качества орошения и экономию около 6 % оросительной воды.

Ключевые слова: орошаемое земледелие, искусственные нейронные сети, модели, технологии, дождевальные машины, агроклиматические ресурсы.

Для цитирования: Соловьев Д. А., Камышова Г. Н., Терехова Н. Н. Нейросетевые технологии повышения эффективности орошаемого земледелия // Земледелие. 2021. № 2. С. 32–36. doi: 10.24411/0044- 3913-2021-10207.

Neural network technologies for increasing the efficiency of irrigated agriculture

D. A. Solovyev, G. N. Kamyshova, N. N. Terekhova

Saratov State Agrarian University, Teatralnaia pl., 1, Saratov, 410012, Russian Federation

Abstract. Following global trends, the Russian agricultural sector is faced with the task of digital transformation. To solve it, it is necessary to develop new intellectual methods and models. Irrigated agriculture is one of the areas of agricultural production, the efficiency of which is influenced by many different stochastic factors and undoubtedly requiring new approaches. The purpose of the work is to develop an architecture for an irrigation management system based on neural network technologies. The system is based on two neural network models: forecasting agro-climatic resources based on a dynamic artificial neural network and neurocontrol of sprinkler equipment based on a multilayer artificial neural network. Models based on artificial neural networks are more efficient than traditional approaches based only on physical or mathematical modelling in solving many problems. The use of a dynamic artificial neural network for predicting the average annual precipitation provides an increase in accuracy, in comparison with classical mathematical modelling, by 25–30%. The study of the actual speeds of the irrigation machines shows their significant deviation from the required ones by more than 10%, which reduces the efficiency of irrigation. Neural network modelling was carried out using data from the Roshydromet climate monitoring system and the own system for collecting technical data on sprinklers of the Saratov State Agrarian University. To control the sprinkler machines, a multilayer neural network was used, based on which a neurocontroller of speed was synthesized. The use of a neurocontroller in the control system allows reducing the speed deviations to 1–3%, optimizing the operation of sprinkler equipment. Testing of the control system was carried out on the basis of integration into a complex digital platform for agribusiness management “Agrosignal” in the scientific and production association of the Saratov State Agrarian University. It showed an improvement in the quality of irrigation and savings of about 6% of irrigation water.

Keywords: irrigated agriculture; artificial neural networks; models; technologies; sprinklers; agro-climatic resources.

Author Details: D. A. Solovyev, D. Sc. (Tech.), acting rector (e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.); G. N. Kamyshova, Cand. Sc. (Phys.-math.), head of department (e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.), N. N. Terekhova, Cand. Sc. (Tech.), assoc. prof. (e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.).

For citation: Solovyev DA, Kamyshova GN, Terekhova NN [Neural network technologies for increasing the efficiency of irrigated agriculture]. Zemledelie. 2021; (2): 32-6. Russian. doi: 10.24411/0044-3913-2021-10207.