Идеи и перспективы

Идеи и перспективы

В этом разделе собраны те перспективные идеи и предложения по развитию исследований, проводящихся в лаборатории, и модификации и усовершенствованию создающихся в ней компьютерных программ, до практической реализации которых у нас еще не дошли руки. Но эти направления кажутся нам интересными и перспективными, и мы не теряем надежды, что эти мечты рано или поздно (лучше, конечно, рано, нежели поздно) воплотятся в реальность.

Комплексная автоматизация многофакторного компьютерного эксперимента с математическими моделями: идентификация, прогноз, оптимизация

Конечной целью является применение создающейся в лаборатории системы поливариантного расчета для автоматизации произвольного многофакторного эксперимента с повторностями над математической моделью агроэкосистемы. Действительно, множество возникающих в теории и на практике задач, связанных с использованием модели, сводятся к одной и той же принципиальной логической схеме исследования. Необходимо определить чувствительность конечных результатов моделирования к вариациям входных параметров, набор интересуемых сочетаний которых конечен. Однако, это исследование необходимо провести не для одного конкретного состояния остальных (не исследуемых) входных параметров, а для некой их представительной выборки, рассматриваемой как совокупность повторностей рассматриваемого эксперимента. Дело в том, что выбор в том или ином смысле наилучшего значения исследуемого входного параметра необходимо производить не по данным единственного эксперимента в конкретных жестко заданных внешних условиях, а в статистическом смысле – то есть для генеральной совокупности этих возможных условий. Перечень практических проблем, требующих организации многофакторного компьютерного эксперимента с повторностями обширен. Определенное представление о них дает следующая таблица.

 

 

Проблема

Факторы

Источник

повторности

Критерий

сравнения

 

1

Параметрическая идентификация модели

Наборы значений исследуемых параметров

Погода

Почва

Близость результатов модельных расчетов с данными полевых наблюдений

 

2

Поиск оптимальной стратегии применения агротехнологий

Характеристики технологических воздействий

 

Погода

Экономическая отдача от применения технологий

 

3

Оперативное управление продукционным процессом

Даты и нормы технологических операций

«Веера» возможных реализаций погоды

Обеспечение устойчивой продуктивности

 

Анализируя возможные схемы организации компьютерного эксперимента можно заметить, что из трех общеизвестных этапов его выполнения два первых, а именно (1) формирование условий проведения эксперимента; (2) реализация эксперимента, сопровождающаяся измерениями характеристик объекта, может выполняться по единой инвариантной схеме. И только третий этап, связанный с обработкой полученных данных и анализом результата, является специфическим и зависит от конкретного целевого назначения эксперимента. Таким образом, универсальная схема автоматизации наиболее трудоемких процедур первых двух этапов, может быть непосредственно встроена в систему поливариантного расчета динамической модели. В свою очередь, для обработки результатов факторного эксперимента в архитектуре системы должны быть предусмотрены механизм подключения специфических расширений (plug-ins), примерами которых могут служить, например, модули параметрической идентификации модели или подбора оптимальных агротехнических решений.

Создание универсальной оболочки поливариантного расчета произвольных моделей продукционного процесса

Разработанная в лаборатории система поливариантных расчетов динамической модели продукционного процесса Agrotool обладает мощными функциональными возможностями. Однако, у нее есть существенный недостаток – эта оболочка «заточена» под единственную конкретную модель продукционного процесса. То есть жестко завязана на предопределенный формат подготовки входных данных и представления результатов расчета. В то же время, крайне привлекательной выглядит идея создания некой универсальной оболочки, в которой единая методика организации поливариантного расчета и проведения поливариантного анализа могла бы быть, в принципе, применена к любым моделям агроэкосистем. В перспективе, эта оболочка должна обладать механизмами подключения произвольной расчетной модели от внешнего поставщика, написанной исходно на любом языке программирования и оформленной как законченный исполняемый программный модуль или библиотека. Причем это подключение должно осуществляться максимально удобным образом и в идеале без необходимости написания какого-либо дополнительного программного кода. Конечно, создание такой универсальной оболочки должно базироваться на принципиально более сложном уровне проектирования, требующем описания уже не в терминах модели конкретной предметной области, а в абстракциях метамодели. Но наличие в лаборатории специалистов высокой степени квалификации в области проектирования и разработки сложных информационных систем позволяет надеяться, что даже такая сложная задача может быть в итоге успешно решена.

Среди зарубежных разработок есть система подобного класса – универсальный интерфейс произвольных компьютерных моделей GUICS (http://agron.scijournals.org/cgi/content/abstract/91/4/657). Однако, идея соединения универсальной оболочки и встроенных в нее процедур поливариантного анализа является, скорее всего, «ноу-хау» нашей лаборатории, что доказывает потенциальную востребованность соответствующей разработки

Параллельные вычисления — первый шаг к модели агроландшафта.

Традиционно, объектом исследования в подавляющем большинстве современных моделей агроэкосистем является однородный фиктивный посев, и стратификация его характеристик производится в единственном вертикальном направлении. Для целей точного земледелия, где горизонтальная неоднородность поля есть важнейший фактор, влияющий на выбор агротехники и определяющий результат хозяйствования, подобная модель может использоваться единственным образом. А именно – расчет производится отдельно для каждой опорной точки поля с параметрами, характерными только для данного типа подстилающей поверхности, свойств почвы и т.д. Но при этом все точки считаются независимо друг от друга, то есть в неявном предположении о том, что все окружение данной точки обладает теми же свойствами и, соответственно, никаких горизонтальных перетоков вещества и энергии не наблюдается. В реальности это, конечно, не так. Но честный учет взаимодействия динамики продукционного процесса на соседних участках неоднородного поля требует построения принципиально иной, несравненно более сложной многомерной модели агроландшафта. Подобные разработки, несомненно, имеют огромную важность, однако вряд ли стоит ожидать в ближайшее время радикального прорыва в этом направлении, связанного с появлением конечных пользовательских программных продуктов широкого применения.

Можно предложить альтернативный, упрошенный путь решения данной проблемы. Учет взаимного влияния разных участков посева друг на друга возможен в рамках системы поливариантных расчетов, при условии поддержки ею механизма реальных параллельных вычислений. При этом осуществляется своеобразная эмуляция многомерной модели параллельным вычислением нескольких сценариев для одномерного случая. Общий принцип действий в этом случае выглядит следующим образом.

 

 

Эмуляция многомерной модели агроландшафта в системе поливариантного анализа

 

Различные сценарии, соответствующие соседним единицам управления, формируются обычным образом, но их расчет осуществляется не последовательно (друг за другом), а запускается в параллельных вычислительных потоках. При этом в плане расчета должны быть заранее определены точки схода, то есть те значения общей для всех потоков динамической переменной – времени, в которые осуществляется информационный обмен между параллельными сценариями вычислений. Простейшим вариантом определения точек схода может служить естественный суточный шаг модели (при этом обмен данными между единицами управления также осуществляется раз в сутки). Потоки, естественно, выполняются с разной интенсивностью, однако процесс, первым достигший точки схода, останавливается и ждет «отстающие» варианты. В момент достижения всеми потоками точки схода осуществляется обмен информацией между ними через сегмент общих данных, согласно логике, заложенной в коде головной программы вызова. Конкретный алгоритм подобного обмена данными может представлять собой упрощенную модель внутрипопуляционной конкуренции за общий ресурс, имитацию горизонтальных перетоков вещества и энергии в пределах поля и т.д. Уровень развития современных вычислительных систем предоставляет широчайшие средства организации и синхронизации параллельных вычислений – как в рамках однопользовательского режима (потоки), так и в распределенной сложной архитектуре (кластеры, гриды и т.д.) Необходимо только суметь правильно распорядиться этими возможностями для решения наших задач.

Web-интерфейс доступа к модельным расчетам.

Не секрет, что общая тенденция развития информационных технологий в настоящее время сводится к постепенному отказу от создания десктопных, однопользовательских приложений и к разработке сервисов общего пользования, доступ к которым осуществляется через Интернет. Образно говоря, софт переезжает в браузер. Не исключено, что подобная же участь должна вскоре постигнуть и модели продукционного процесса растений. С этой точки зрения, работы по созданию Web-интерфейса для многопользовательского распределенного доступа к базе данных полевого опыта, проводящиеся в настоящее время в лаборатории, можно считать первой ласточкой происходящих изменений. Совершенно естественно, что следующим шагом, который захочет сделать пользователь, заведший данные своих измерений в некую удаленную базу данных, будет расчет модели с этими введенными данными. Тем более, что собственно для информационной поддержки модели эта база данных исходно и создавалась. Так почему бы не дать ему эту возможность?! Конечно, здесь пока гораздо больше вопросов, чем ответов – как осуществлять визуализацию результатов моделирования в форме HTML-страницы, надо ли в корне пересматривать архитектуру модели и средства ее разработки. Однако думать об этом, скорее всего, надо уже сейчас.

 

Дальнейшие усовершенствования модели

1. Блок управления механическими обработками почвы на плановом и оперативном уровнях

2. Прогнозирование сроков сева яровых культур

3. Автоматическое управление азотными подкормками

4. Усовершенствование азотного блока модели

5. Расширение списка учитываемых элементов минерального питания.

6. Включение в модель блоков взаимодействий растений с микробными популяциями