Нечеткое моделирование процесса естественной рекультивации нарушенных земель

Обложка

Цитировать

Полный текст

Аннотация

В данной статье рассмотрена проблема рекультивации нарушенных земель. Поскольку на сегодняшний день не выработан подход даже на методологическом уровне, то должна решаться первоначальная задача — как определить тот период времени, который необходим для естественного восстановления земель. Только после решения этой задачи появится возможность оценить эффективность вообще каких-либо агротехнических мероприятий по восстановлению в сравнении с естественным процессом. Объект настоящих исследований — фонд нарушенных земель по Свердловской области, которые попали под техногенные воздействия от горнодобывающей промышленности.
Все параметры такого объекта характеризуются условиями неопределённости данных, поэтому главная идея работы заключалась в использовании нечёткой логики, вначале для описания основных параметров, влияющих на процесс восстановления, а затем получения функциональной зависимости выходного параметра — периода времени восстановления от этих исходных параметров. Таким образом, была определена цель исследований — разработка нечёткой модели процесса естественной рекультивации нарушенных земель.
В соответствии с поставленной целью решались следующие задачи: 1) выполнение экспериментальных исследований состояния нарушенных земель конкретного региона; 2) разработка постановки задачи в содержательном виде; 3) обоснование нечётких функций принадлежности задачи; 4) разработка базы правил нечёткой продукции; 5) нечёткий вывод и получение результирующей функции; 6) программная реализация задачи. Результатами исследований явилась программно-реализованная в среде Scilab функциональная зависимость периода времени восстановления нарушенных земель от типа почвы, её параметров и типа растительности. Результаты предназначены для проектирования агротехнических, нормативных и других мероприятий по восстановлению нарушенных земель.

Об авторах

Владимир Викторович Побединский

Уральский государственный лесотехнический университет», ФГБОУ ВО «Уральский государственный аграрный университет

Email: pobed@e1.ru

Евгения Васильевна Анянова

Уральский государственный лесотехнический университет

Email: anyanovagv@m.usfeu.ru

Рудольф Николаевич Ковалев

Уральский государственный лесотехнический университет», ФГБОУ ВО «Уральский государственный аграрный университет

Email: kovalevrn@m.usfeu.ru

Григорий Александрович Иовлев

Уральский государственный аграрный университет

Email: gri-iovlev@yandex.ru

Список литературы

  1. Анянова Е. В. Применение метода системного анализа обработки информации для принятия решения при восстановлении нарушенных земель // Современные наукоёмкие технологии. 2019. № 10-2. С. 233—238.ГОСТ 25100-2020. МЕЖГОСУДАРСТВЕННЫЙ СТАНДАРТ. ГРУНТЫ. Классификация. Дата введения 2021-01-01.Piegat A. Fuzzy Modeling and Control: with 96 tables. Heidelberg: New York, Physic-Verl, 2001. 760 р.Побединский В. В., Гороховский А. Г., Шишкина Е. Е., Побединский Е. В. Моделирование процесса сушки пиломатериалов // Лесной журнал. 2020. № 1. С. 154—166.doi: 10.37482/0536-1036-2020-1-154-166.Побединский В. В, Газизов А. М., Санников С. П., Побединский А. А. Диэлектрическая проницаемость лесного фонда в зависимости от параметров среды при радиочастотном мониторинге // Вестник Мордовского университета. 2018. Т. 28, № 2. С. 148—163.DOI: https://doi.org/ 10.15507/0236-2910.028.201802.148-163.Mamdani E. H. Application of fuzzy logic to approximate reasoning using linguistic synthesis // IEEE Transactions on Computers. 1977. Vol. 26, no. 12. р. 1182—1191.Hongyun Y., Junmin Li, Jiarong S., Yang W. Adaptive Fuzzy Tracking Control for Stochastic Nonlinear Systems with Time-Varying Input Delays Using the Quad-ratic Functions // International Journal of Uncertainty, Fuzziness and Knowledge-Based Sys-tems. 2018. Vol. 26, no. 01. р. 109—142.Gour A., Pardasani K. R. Statistical and Soft Fuzzy Set Based Analysis of Amino Acid Association Patterns in Peptide Sequence of Swine Influenza Virus // Advanced Science, Engineering and Medicine. 2018. Vol. 10, nо. 2. р. 137—144.Ntaganda J. M., Haggar M. S. D., Mampassi B. Fuzzy Logic Strategy for Solving an Optimal Control Problem of Therapeutic Hepatitis C Virus Dynamics // Open Journal of Applied Sciences. 2015. Vol. 5. р. 527—541.ESI Group — 2021. URL: http://scilab.io/company. Text. Image: electronic.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Побединский В.В., Анянова Е.В., Ковалев Р.Н., Иовлев Г.А., 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».