Рассмотрена проблема влияния химических и электрофизических факторов на биологические процессы нулевой макрофазы роста и развития растений. Предложена нейросетевая модель, позволяющая проанализировать чувствительность к различным переменным в процессе формирования сети, установить связи между ними и визуализировать результаты путем построения объемной многофакторной диаграммы.
регрессионный анализ, нейросетевая модель, многофакторный анализ, моделирование биологических процессов
1. Интенсификация питания растений нулевой макрофазы роста и развития минеральными соединениями углерода химическим и электрофизическим методами / О.В. Швецова [и др.] // Известия С.-Петерб. гос. технол. ин-та (техн. ун-та). 2015. № 28 (54). С. 73-82.
2. Способ и устройство управления физико-химическими процессами в веществе и на границе раздела фаз: пат. 2479005 Рос. Федерация, МПК G 05 B 24/02, H 03 B 28/00. / Ивахнюк Г.К., Матюхин В.Н., Клачков В.А., Шевченко А.О., Князев А.С., Иванов А.В., Родионов В.А.; заявители и патентообладатели Ивахнюк Г.К., Матюхин В.Н., Клачков В.А., Шевченко А.О. № 2011118347/08; заявл. 21.01.10; опубл. 10.04.13, Бюл. № 10. 3 с.
3. Боровиков В.П. Нейронные сети. Statistica Neural Networks: Методология и технологии современного анализа данных. 2-е изд., перераб. и доп. М.: Горячая линия - Телеком, 2008.
4. Кольцов Ю.В., Пермяков М.Н. Постановка задачи прогнозирования продуктивности агроэкосистем // Политематический сетевой электрон. науч. журн. Кубанского гос. аграр. ун-та. 2004. № 7 (05). URL: http://ej.kubagro.ru/ 2004/05/10.htm (дата обращения: 30.04.2015).
5. Барцев С.И., Барцева О.Д. Функционально-инвариантный подход к проблеме уникальности биологических систем: простая нейросетевая модель // ДАН. 2006. № 3. С. 394-397.
6. Заводчиков Н.Д., Спешилова Н.В., Таспаев С.С. Использование нейросетевых технологий в прогнозировании эффективности производства зерна // Известия Оренбургского гос. аграр. ун-та. 2015. № 1 (51). С. 216-219.
