Главная >> Виноградарство >> Инфо >> МАТЕМАТИЧЕСКИЕ МЕТОДЫ

МАТЕМАТИЧЕСКИЕ МЕТОДЫ

МАТЕМАТИЧЕСКИЕ МЕТОДЫ в виноградарстве и виноделии, совокупность математических символов и уравнений, используемых для оценки опытов, наблюдений, анализов, описания динамики процессов в почве, кустах или вине. При помощи М.м. можно оптимизировать ряд процессов. С появлением ЭВМ использование М.м. стало общедоступным. Широкое применение в виноградарстве и виноделии получили вариационный анализ, дисперсионный анализ, корреляционно-регрессионный анализ (см. Корреляция) и др. Для оказания воздействия на процессы, происходящие в почве, виноградном растении, вине и т.д. и определяющие количество и качество продукции, необходимо оценить различия между приемами и описать эти процессы. Применяя М. м., можно описать в динамике и оценить процессы роста побегов, накопления биомассы, поступления питательных веществ, образования в ягодах сахаров, красящих, дубильных, ароматических и др. веществ; процессы брожения, созревания вин, выпадения винного камня, формирования сортового аромата и др. Теоретической основой применяемых в виноградарстве и виноделии М.м. является математического статистика (раздел теории вероятности, на основе которой сформировалась биометрия). Уровень достоверности различных факторов и оценка связей между ними определяются вероятностью, которая меняется от 0 до ± 1. В виноградарстве и виноделии представление в виде функции взаимосвязей между показателями носит приближенный характер, являясь упрощенной "огрубленной" моделью процесса. Вероятность любого события А (в %) равна отношению случаев, благоприятных для этого события, к числу всех возможных случаев. Чем выше вероятность события, тем надежнее, достовернее утверждения о нем. Вероятность желаемого события может быть установлена в связи с решаемыми задачами. В виноградарстве и виноделии обычно применяется в качестве границы надежной вероятности значение 0,95, При этом всегда оценивается достоверность выборки из генеральной совокупности, включающей все множество изучаемых объектов. В практике проводится анализ не всей совокупности (это практически невозможно), а какой-то ее части (выборка). Результаты зависят от величины и способа составления выборки и от ее репрезентативности, т. е. представительности. При отборе должна быть обеспечена равная возможность попадания в выборку любого объекта генеральной совокупности, т. е. соблюдены правила рендомизации (случайного отбора), который осуществляется по таблицам случайных чисел или жребием. Иногда рендомизацию можно провести с ограничением, например, при выборе учетных кустов выбраковываются очень сильные, больные, слабые, имеющие механич. повреждения и др., а из оставшихся выбирают нужное количество. Теория вероятности позволяет установить достоверность различий между изучаемыми факторами, приемами, объектами и др., рассчитать и оценить допущенные ошибки. Различают 5 категорий ошибок: методические, когда условия вариантов или объектов разные (не соблюден принцип единственного различия); точности измерений или наблюдений; внимания, например, описки; типичности — отбор нетипичных представителей совокупности; репрезентативности. Из указанных 5 категорий ошибок только последняя оценивается М.м., а остальные целиком зависят от испытателя, который обязан так работать, чтобы их не было, т.е. чтобы наблюдения, учеты, анализ и т. д. велись методически грамотно. Оценка достоверности различий между вариантами проводится при помощи расчета ошибки опыта, коэффициентов вариации, доверительных интервалов и др. Опыты оцениваются обычно дисперсионным методом с определением наименьшей существенной разницы на принятом уровне вероятности (в основном 0,95); утверждения считаются обоснованными в 95 случаях из 100, т.е. в 5% случаев указанного эффекта может и не быть. М. м. применяются главным образом для установления закономерностей эффективности и нахождения оптимальных уровней факторов и их сочетаний; для теоретич. описания ряда процессов, протекающих в почве, виноградном растении и вине, математического моделями. М. м. предъявляют ряд требований к составлению схем опытов и сбору информации. Во-первых, необходимо достаточное количество градаций (не менее 5 для построения математического модели, имеющей степень, отличную от 1); во-вторых, градации должны быть подобраны так, чтобы они охватили всю кривую откликов. Проведение экспериментов с использованием М. м. позволяет получить необходимый результат быстрее, надежнее и дешевле. С внедрением программирования урожая возникает необходимость определения зависимости величины и качества урожая от многих факторов. При помощи М. м. можно планировать опыты и применять линейное моделирование с учетом до 199 факторов. Внедрение М. м. коренным образом изменило методику разработки схем и планов опытов и позволяет описать полученные результаты точными математического выражениями, которые можно представить в виде графиков. Применение М. м. дает возможность выбирать оптимальный вариант для получения самого высокого урожая, экономич. эффекта, лучшего качества продукции. Оптимальные варианты определяются по экстремальным значениям функции. Экстремумы разных показателей не совпадают, поэтому необходимо определить, какой из них важнее для внедрения соответствующего сочетания регулируемых факторов, например, норм удобрений, орошения, величины нагрузки куста, длины обрезки, высоты штамба, ширины междурядий и т. д.

Литература: Качество продукции и оптимизация производства виноградо-винодельческих совхозов-заводов. — К., 1971; Вознесенский В. А. Статистические методы планирования эксперимента в технико-экономических исследованиях. — 2-е изд. — Москва, 1981.

 
< Массовая, клоновая и фитосанитарная селекция винограда   МАТЕРИНСКИЙ ЭФФЕКТ >