Methodological management tools of irrigation with artificial intelligence | Методологические инструменты управления орошением с искусственным интеллектом

Английский. The research purpose is to develop the concept of irrigation management systems using integrated artificial intelligence technologies (IAIT). The working hypothesis is the assumption of the priority of the cluster application of IAIT in solving urgent problems of irrigation management. The basis of the information-computing unit of the irrigation control system should be deterministic algorithms using practically proven solutions. Within the framework of the proposed concept, a neural network can be used as the basis for solving a problem, or it can only be used to adapt the parameters of the models used. The meeting points of traditional, analytical irrigation management systems and IAIT are determined by the need to adapt parameters, fine-tune the coefficients of the methodological tools used. The scope of IAIT application in irrigation management improving is quite wide. IAIT can be used to solve the issues of irrigation planning and operational management, image recognition in satellite monitoring of soil moisture, interpolation these data by area, forecasting the soil moisture profile. An algorithm has been developed, that use IAIT to improve the reliability of forecasting the total water consumption of irrigated crops in the regional and landscape aspects. The proposed algorithm allows the system to self-learn and refine the regional values of bioclimatic coefficients, with respect to cumulative influence of local factors. Conclusions are the following: the developed concept and proposed scientific approaches allow effectively solving the problem of adapting the parameters of methodological irrigation management tools at the level of an irrigated field, and even considering intra-field variability.

Русский. Цель исследования - разработка концепта систем управления орошением с интегрированными технологиями искусственного интеллекта (ТИИ). Рабочая гипотеза - предположение о приоритете кластерного применения ТИИ в решении актуальных задач управления орошением. Основу информационно-вычислительного блока системы управления орошением должны составлять детерминированные алгоритмы с использованием проверенных практикой решений. В рамках предлагаемого концепта нейронная сеть может быть положена в основу решения задачи, а может использоваться лишь для адаптации параметров используемых моделей. Точки соприкосновения традиционных, аналитических систем управления орошением и ТИИ определяются необходимостью адаптации параметров, точной настройки коэффициентов используемого методологического инструментария. Сфера применения ТИИ в решении задач управления орошением довольно широка: это решение задач планирования и оперативного управления орошением, распознавания образов при спутниковом контроле влажности почвы, интерполяции данных о влажности почвы по площади, прогнозирования профиля увлажнения почвы. Разработан алгоритм, использующий ТИИ для повышения надежности прогноза суммарного водопотребления орошаемых культур в региональном и ландшафтном аспекте. Предложенный алгоритм позволяет системе самообучаться и уточнять региональные значения биоклиматических коэффициентов с учетом совокупного влияния местных факторов. Выводы: разработанный концепт и предложенные научные подходы, позволяют эффективно решать задачу адаптации параметров методологического инструментария управления орошением на уровне орошаемого поля, и даже с учетом внутриполевой вариабельности.