26 / 224
Научный журнал Российского НИИ проблем мелиорации, № 2(18), 2015 г., [16–30]
8
абсолютная ошибка, стандартное отклонение ошибки, средняя относи-
тельна ошибка, коэффициент корреляции [17]. Для обработки использова-
ны модификации программы Statistica Advanced и Automated Neural
Networks for Windows v.10 Ru.
Рисунок 2 – Схема математической модели
нейросети для программирования урожайности
сельскохозяйственных культур [15, 16]
Результаты и обсуждение.
Из полученных экспериментальных дан-
ных видно, что все поставленные на изучение технологические элементы
выращивания нута существенно повлияли на величину урожая зерна
(таблица 1).
Таблица 1 – Урожайность зерна нута в зависимости от
технологических приемов его выращивания,
среднее за 2012–2014 гг.
В т/га
Основная обработка
почвы
(фактор А)
Фон питания
(фактор В)
Загущение растений, млн шт./га (фактор С)
0,5
1,0
1,5
1
2
3
4
5
Без орошения (фактор D)
Отвальная вспашка
на глубину 20–22 см
Без удобрений
1,26
1,48
1,55
N
45
P
45
1,41
1,68
1,77
N
90
P
90
1,52
1,80
1,90
Отвальная вспашка
на глубину 28–30 см
Без удобрений
1,28
1,50
1,60
N
45
P
45
1,44
1,72
1,83
N
90
P
90
1,56
1,85
1,98
На фоне орошения (фактор D)
Отвальная вспашка
на глубину 20–22 см
Без удобрений
2,18
2,48
2,70
N
45
P
45
2,66
3,02
3,31
N
90
P
90
2,83
3,24
3,53
Электронная Научная СельскоХозяйственная Библиотека