Програмне забезпечення вибору оптимальних сільськогосподарських культур для певних регіонів з використанням алгоритму LIMBO

Abstract

У сучасних умовах зміни клімату, деградації ґрунтів і нестабільності аграрного ринку питання підвищення ефективності агровиробництва набуває особливої актуальності. Успішне ведення сільського господарства дедалі більше залежить не лише від досвіду аграріїв, а й від точності прийнятих ними рішень щодо вибору культур, які найкраще адаптовані до специфічних умов певного регіону [1]. Класичні підходи, що ґрунтуються на статистичних довідниках або експертних оцінках, мають обмежену здатність до адаптації в умовах стрімких змін природного середовища та зростаючих вимог до стійкості й продуктивності агросистем. Вони часто не враховують багатовимірність впливу факторів, таких як тип ґрунту, кислотність, глибина залягання ґрунтових вод, мікрокліматичні особливості, що в сукупності визначають агрокліматичний потенціал території. У світовій практиці дедалі ширше застосовуються методи інтелектуального аналізу даних, машинного навчання та кластеризації для виявлення закономірностей у великих обсягах аграрної інформації. Проте більшість існуючих рішень, зокрема в системах західного зразка, фокусуються або на макрорівні (країна чи область), або не враховують локальних особливостей вирощування культур. Зокрема, платформи типу CropSyst та DSSAT хоча й дозволяють моделювати врожайність, проте потребують великих обсягів польових даних та часто не враховують адміністративний поділ, характерний для країн пострадянського простору [2]. Окрім того, зазначені інструменти є надто складними у впровадженні в умовах малого та середнього фермерського господарства. Для України, як аграрної держави з різноманіттям кліматичних зон і ґрунтових типів, особливо важливим є пошук рішень, які дозволяють ефективно адаптувати агровиробництво до умов конкретного регіону. Використання кластерного аналізу, зокрема алгоритму LIMBO, відкриває можливості для виявлення подібних регіонів за сукупністю агроекологічних характеристик і формування рекомендацій щодо культур, які показали найкращі результати в схожих умовах. LIMBO як інструмент непараметричної кластеризації забезпечує гнучке групування об’єктів за якісними та кількісними ознаками, що є надзвичайно доречним у контексті аграрної статистики, яка часто представлена в категоріальній або нечіткій формі. Розробка інтелектуального інструменту, здатного на основі історичних даних і агрохарактеристик визначати найкращі культури для конкретного регіону, має вагоме значення не лише з точки зору підвищення врожайності, але й з огляду на продовольчу безпеку, раціональне використання природних ресурсів та зменшення економічних ризиків для сільськогосподарських підприємств. Такий підхід сприяє не лише підвищенню ефективності агробізнесу, а й стимулює впровадження цифрових технологій в агросектор, що є однією з пріоритетних задач сучасної стратегії розвитку України. Мета роботи полягає у створенні програмного забезпечення для вибору оптимальних сільськогосподарських культур на основі агроекологічних характеристик регіону з використанням алгоритму кластерного аналізу LIMBO. Для досягнення поставленої мети, необхідно виконати наступні задачі: - провести аналіз предметної області сільськогосподарського виробництва та сформулювати вимоги до інтелектуальної системи підтримки аграрних рішень; - розробити логічну модель бази даних для представлення аграрних характеристик регіонів та культур, адаптовану до потреб кластерного аналізу; - реалізувати програмний модуль кластеризації на основі алгоритму LIMBO та створити інтерфейс користувача для взаємодії з системою; - провести тестування програмного забезпечення в експериментальному режимі та сформулювати рекомендації щодо його впровадження в агровиробничих умовах. Для розробки програмного забезпечення для підтримки прийняття рішень у сфері сільськогосподарського виробництва були застосовані сучасні методи інженерії програмного забезпечення, зокрема метод системного аналізу, структурно-логічне моделювання, критичний аналіз наукових джерел та практичних рішень, а також методи кластерного аналізу для обробки аграрних даних. У якості основних технологічних засобів реалізації було обрано мову програмування C# та систему управління базами даних Microsoft SQL Server, що забезпечують оптимальний баланс між продуктивністю, гнучкістю та безпекою. Структура та обсяг роботи. Пояснювальна записка з кваліфікаційної роботи складається з анотації, переліку умовних скорочень, вступу, 4 розділів, висновків, списку використаних джерел та додатків. Загальний обсяг записки становить 88 сторінок. Зокрема пояснювальна записка містить 39 рисунків, 13 таблиць 2 додатків. Список використаних джерел нараховує 22 найменування