ЭлБиб

Научный журнал Российского НИИ проблем мелиорации, № 2(18), 2015 г., [16–30]

мых факторов на динамику формирования урожайности зерна нута: сум-

марное водопотребление (м

/га) – 37,01 %; внесение минеральных удобре-

ний (кг/га действующего вещества) – 22,88 %; загущение растений

(млн шт./га) – 22,29 %; глубина основной обработки почвы (см) – 17,82 %.

– глубина основной обработки почвы, см;

– доза внесения минеральных

удобрений, кг/га действующего вещества;

– загущение растений, млн шт./га;

– суммарное водопотребление, м

/га

Рисунок 4 – Степень влияния фактора на формирование

урожайности зерна нута

Представленные в работе результаты нейромоделирования можно

использовать для четырехфакторного высокоточного программирования

урожайности зерна нута на мелиорированных почвах в типичных климати-

ческих условиях зоны сухой степи.

Список литературы

1 Козадаев, А. С. Предварительная оценка качества обучающей выборки для ис-

кусственных нейронных сетей в задачах прогнозирования временных рядов /

А. С. Козадаев // Вестник Тамбовского университета / Серия: Естественные и техниче-

ские науки. – 2008. – Т. 13. – № 1. – С. 99–100.

2 Пичура, В. И. Применение интеллектуальных искусственных нейронных сетей

для прогнозирования химических показателей оросительной воды (на примере Ингу-

лецкого магистрального канала) / В. И. Пичура // Водное хозяйство России: проблемы,

технологии, управление: науч.-практ. журн. – Екатеринбург, 2012. – № 2. – С. 17–28.

3 Пичура, В. И. Пространственно-временное прогнозирование агрохимических

показателей мелиорируемых почв с использованием нейротехнологий (на примере

Херсонской области) / В. И. Пичура // Агрохимия и почвоведение: межведомств. тема-

тич. науч. сб. – Харьков: Институт почвоведения и агрохимии им. А. Н. Соколовского,

2012. – Вып. 78. – С. 87–95.

4 Кузьменко, Я. В. Оценка и прогнозирование стока малых рек в условиях ан-

Э ектронная Научная СельскоХозяйственная Библиотека