Министерство сельского хозяйства республики казахстан

336 
 
} 
using namespace std; 
int main() 
{ 
int i,j, la = 0, l = 0; 
 
double koren, z[N],h, a[N],k[N],g,min_kor,max_kor, korni[100], a_min_kor[N];  
 h=pi/N; 
 g=(maxjest-minjest)/N; 
for(i=0;i{ 
a[i]=i*h; 
} 
 
for(j=0;j{ 
k[j]=j*g; 
} 
 
for(i=0;i{ 
l = 0; 
for(j=0;j<10;j++){ 
double ainterval=j*pi*10; 
double binterval=(j+1)*pi/10; 
 
while(abs(p(a[i],minjest,z[i]))>eps) 
{ 
if(p(a[i],minjest,ainterval)*p(a[i],minjest,binterval)>0) break; 
z[i]=(binterval-ainterval)/2; 
if (p(a[i],minjest,ainterval)*p(a[i],minjest,z[i])<0); 
binterval=z[i]; 
if (p(a[i],minjest,binterval)*p(a[i],minjest,z[i])<0); 
ainterval=z[i]; 
koren = (binterval-ainterval)/2.0;//pomenyat; 
} 
korni[l] = koren; l++; 
/*if(koren1>koren2) 
min_kor[i]=koren2; 
else 
min_kor[i]=koren1;*/ 
} 
min_kor = korni[1]; 
for(int k=2;k{ 
 
if(korni[i]eps) min_kor = korni[i];  
} 
a_min_kor[i] = min_kor; 
} 
/* 
for(i=0;i{ 
if (min_kor[i]>min_kor[i+1]) 

337 
{ 
min_kor[i+1]=min_kor[i]; 
max_kor=min_kor[i]; 
} 
else max_kor=min_kor[i+1]; 
} */ 
max_kor = a_min_kor[0]; 
for(int k=1;k{ 
 if(a_min_kor[i]>max_kor) 
{ 
max_kor = a_min_kor[i]; 
la = i; 
 } 
} 
for(int k=1;k<20;k++) 
cout<< korni[5] << " "<< l <return 0; 
} 
Пример практической реализации задачи min-max через программу MatLab 
clear; 
clc; 
global l c E J a 
l = 10;  % Взято как пример. 
E = 20;  % Взято как пример. 
J = 100; % Взято как пример. 
c = 100; % Взято как пример. 
a = 3.141592;   % Взято как пример.   
p = 0 : 10^(-6) : 1; % Взято как пример.   
f = det_p(p); % Значения функции. 
plot(p,f); % Построение графика для конкретных значений. 
%{ 
%===============================% 
% Заготовка для решения задачи. % 
%===============================% 
vector_c = 50 : 500; % Диапазон значений для вектора с.  
vector_a = 0 : 10^(-6) : 1; % Диапазон значений для вектора a.  
roots = zeros(length(vector_c),length(vector_a)); % Матрицакорней. 
p0 = 1; % Начальноеприближения. 

338 
 
for i = 1 : length(vector_c) 
for j = 1 : length(vector_a) 
        c = vector_c(i); 
        a = vector_a(j); 
roots(i,j) = fsolve(@det_p, p0); 
end 
end 
 
[res, i_max] = max(roots);            
[res, j_max] = max(A);   
%} 
 
function res = det_p( p ) 
% ФункцияDelta(p). 
 
global l c E J a 
 
res = 2 * p.^3 .* sin(p * l) .* sinh(p * l); 
res = res + (c / (E * J)) .* sin(p * l) .* sinh(p * (l - a)) .* sinh(p * a); 
res = res - (c / (E * J)) .* sin(p * a) .* sin(p * (l - a)) .* sinh(p * l); 
 
end 
Вывод 
Показано,  как  моделируется  механическая  система  с  точечной  или  сосредоточенными 
упругой связью. Оказывается, что такие связи нарушают гладкость решений и вследствие чего 
уравнение  движения  в  этой  точке  перестает  соблюдаться.  В  замен  уравнению  в  этой  точке  
возникают  внутренне  краевые  условия.  Учет  таких  внутренне-краевых  условий  позволяет 
выписать дисперсионные соотношения, которые связывают собственные частоты колебаний и 
физические характеристики в точке связи. Зная те или иные частоты, можно точно выбирать 
оптимальные параметры расположения точечных упругих нагрузок, при построении того или 
иного  сооружения.  Также  можно  вести  регулярный  мониторинг  и  обслуживание,  зная 
нормальные значения собственных частот системы. Данные результаты могут быть полезны в 
первую очередь для инженеров и прикладников.  
 
Литература 
1.  Кангужин  Б.Е.,  Нурахметов  Д.Б.,  Токмагамбетов  Н.Е.  Аппроксимативные  свойства 
систем  корневых  функций,  порождаемые  корректно  разрешимыми  краевыми  задачами  для 
обыкновенных  дифференциальных  уравнений  высших  порядков //Уфимск.  матем.  журн.- 
2011,- 3(3). –С. 80–92 
2.Kanguzhin B.E. and Nurakhmetov D.B.  On Properties of Systems of Root Functions of Well-
Posed Boundary Value Problems for the Second Order Differential Operator // Int. Journal of Math. 
Analysis.- 2011, -Vol. 5, № 46. –Р. 2285 – 2294. 
3. Биргер И.А. Техническая диагностика. – М.: Машиностроение, 1978. -239 с. 
4.  Вайнберг  Д.В.  Аналогия  между  задачами  о  плоском  напряженном  состоянии  и  об 
изгибе круглой пластины переменной толщины при несимметричной нагрузке // ПММ. – 1952. 
– Т.16. – С.749-752. 
 5. Ван Дер Мей К., Пивоварчик В.Н. Обратная задача Штурма-Лиувилля с зависящими 
от спектрального параметра краевыми условиями // Функц. Анализ и его приложения. – 2002. – 
Т.36, №4. – С.74-77. 
 
 
 

339 
Түйін 
Нақты  конструкцияларда,  мысалы,  көпірлерде  аяғында  емес  орта  тұстарында  секірмелі 
өзгеретін  кернеулер  өте  жиі  кездеседі.  Солардың  бірі  ретінде  Санкт-Петербургтағы  Египет 
көпірін айтуға болады. Бұл көпір 1825 жылы инженер В.А. Христиановичтың басшылығында 
тұрғызылғын болатын. 1905 жылы 20 қаңтарда бұл көпірден гвардиялық атты əскери ұландары 
өткен  кезде  осы  көпір  қыйрап  қалды.  Көпірдің  бұзылу  себебі  резонанс  құбылысы  болды. 
Резонанс  құбылысынан  құтылу  үшін  көпірдің  меншікті  жилігі  ең  кіші  жағдайға  қою  қажет. 
Кіші  жиілік  шамасы  нөлдік  нүктеден  мүмкін  болғанша  қашықта  жату  керек.  Осындай 
ақпаратты біліп отырып мұндай конструкцияның рұқсат етілген пайдалану шекарасын өте оңай 
кеңейтуге  болады.  Бұл  мақалада  өзіндік  көлденен  тербелес  жиілігін  басқарудың  оптимал 
жолдары қарастырылған.   
Summary  
We often find situations when control and observation of constructions like bridges, buildings 
etc. which have low oscillations out of quiescence are required. Egyptian bridge in Saint-Petersburg is 
considered as one of these constructions. That bridge was built in 1825 under the direction of engineer 
V.A. Christianovich. That bridge was destroyed in January 20, 1905 when the cavalry regiment 
formation walked through it. The reason of the demolition of the bridge was a resonance phenomenon. 
In order to avoid a resonance some conditions upon lowest very own frequencies are demanded. The 
value of the lowest frequency must be as far as possible from zero. Possessing such kind of information 
we could easily expand possibilities of allowable limits of a realization of these constructions. In this 
article we studied the problem of an optimal control of roll oscillations’ very own frequencies. 
УДК 004:636.084.41 
1
Жанбырбаев А.Б., 
1
Найденко Е.В.,
2
Есікенова А.Е., 
2
Тұрмағамбетова Ф.Р., 
1
Алтыбаев А.Н. 
1
Казахский НИИ механизации и электрификации сельского хозяйства 
2
Казахский Национальный Аграрный Университет 
К ПРОЕКТИРОВАНИЮ ИНФОРМАЦИОННО-ПОИСКОВОЙ СИСТЕМЫ  
В ОВЦЕВОДСТВЕ  
Аннотация 
Приведены  некоторые  результаты  разработки  программной  продукции  для 
автоматизации  процессов  инженерно-технологического  обеспечения  овцеводства. 
Предложена  схемная  структура  информационнной  модели  предметной  области  на 
примере  товарного  овцеводства,  создана  витрина  данных  для  объекта  «Породы  овец», 
проведено предварительное тестирование программного приложения. 
Ключевые  слова:Информационно-поисковая  система,  предметная  область,  схемная 
структура, информационная модель, витрина данных. 
Введение  
В  настоящее  время  успешное  функционирование  различных  фирм,  организаций  и 
предприятий  просто  невозможно  без  развитой  информационной  системы,  которая 
позволяет  автоматизировать  сбор  и  обработку  данных.  В условиях  рыночной  экономики 
несоизмеримо  возрастает  роль  своевременных  научно-обоснованных  решений, 
основанных  на  достоверной  информации.  Интенсивное  развитие  информационных 
технологий  с  каждым  годом  делает  разработку  информационных  систем  одним  из 

340 
 
определяющих  факторов  успеха  в  каждой  области  бизнеса,  промышленности,  также  и  в 
сфере сельскохозяйственного производства [1, 2].  
Постановка задачи. Разработать методико-технологическую основу автоматизации 
процессов  инженерно-технического  обеспечения  овцеводства  на  основе  современных 
информационно-телекоммуникационных технологий.  
Материалы и методы 
В качестве первичных материалов для изучения реальных производственно-техноло-
гических  процессов  и  формирования  информационных  моделей  предметной  области 
приняты: нормативно-технические и технологические документы в области овцеводства, 
информационные  ресурсы  Казахского  НИИ  овцеводства,  а  также  интернет  ресурсы  по 
проблемам овцеводства [3, 4]. 
При выполнении работы применялись методы системных исследований сложных 
объектов,  принципы  проектирования  информационных  систем.  Проектирование  баз 
данных  проводилось  на  базе  концепции  Хранилища  данных  путем  моделирования 
предметной в соответствии с ERD, IDEF и др. стандартами. 
Результаты и обсуждение 
По  результатам  исследований  предметной  области  предложена  структурная  схема 
витрины  данных  для  хранения  и  обеспечения  оперативного  доступа  к  справочным, 
нормативно-техническим  материалам  и  технологическим  знаниям  в  области  товарного 
овцеводства [5]. На  рисунке 1 показана  основная  часть  информационной  базы  данных, 
организованная в виде иерархического дерева, включающего в себя 7 объектов верхнего 
уровня:  породы  овец;  классификация  пород;  половозрастная  группировка  овец; 
показатели  бонитировки;  характеристики  кормовой  базы;  временные  характеристики 
жизненного  цикла  товарных  овец  и  события,  характеризующие  технологические 
воздействия на овцу. 
Объект  «Породы  овец»  имеет 728 видов,  каждый  из  которых  имеет 
стандартизованные  атрибуты  в  соответствии  нормативно-техническими  регламентами 
отрасли.   
Объект  «Классификация  породы  овец»  имеет  три  подраздела:  по  типу  шерстного 
покрова – которое  имеет  тонкорунные,  полутонкорунные,  полугрубошерстные  и 
грубошерстные  характеристики,  по  направлению  продуктивности – имеет  объекты 
шерстные, мясо-шерстные, смушковые мясные и т.д., зоологическая классификация овец 
– имеет короткощехвостные и длиннощехвостные объекты.  
Объект  «Половозрастная  группировка»  имеет  следующие  подразделы:  ягненок, 
овцы, бараны. Подраздел овцы имеет следующие объекты: ярка, переярка, матка, суягная 
матка, племенная матка, матка селекционного ядра. Подраздел бараны имеет следующие 
объекты: баранчик, взрослый баран, линейный баран, ремонтный баран, племенной баран. 
Объект  «Показатели»  имеет  подразделы  основные  показатели  производительности, 
показатели по шерсти, анатомические показатели, показатели экстерьера и конституции и 
класс животного.  
Объект  «Кормовая  база»  включает  подразделы  корма  и  показатели  питательности 
кормов.  
Объект «Периоды жизненного цикла животного» имеет 10 объектов.  
Объект «События жизненного цикла» 11 объектов[3]. 

341 
Рисунок – 1 Структурная схема витрины данных 
Предлагаемая 
структурная 
схема 
служит 
основой 
для 
представления 
информационной  модели  предметной  области  в  базе  данных.  На  рисунке 2 представлен 
фрагмент    витрины    данных  «Порода»,  сформированной  для  решения  информационно-
поисковой  и  познавательной  задач  в  области  анализа  и  синтеза  генетических  и 
биологических процессов в овцеводстве. 
Витрины  данныхслужат  для  организации  системной  информационной  поддержки 
узкоспециализированных  исследований,  в  которых  используются  данные  с  общей 
информационной базы, но структурированные специальным образом.  
Рисунок – 2 Витрина данных 

342 
Окно витрина данных состоит из четырех частей: 
 рисунок породы – показывает рисунок определенной породы овец; 
 одинарное  значение  показателя – значение  породы,  выбираемое  из 728 породы 
овец; 
 показатели – имеет  разделы  общих  сведений,  классификационных  признаков  и 
характеристики породы; 
 значения – содержит информацию показателей. 
Предварительное тестирование программной продукции показало ее 
функциональную работоспособность [5]. 
Выводы 
Принятые  в  настоящей  работе  методологические  ориентиры  и  технологические 
приемы создания информационных моделей производственно-технологических процессов 
ин-женерно-технического  обеспечения  овцеводства  для  представления  в  базе  данных 
информационно-поисковой  системы  удовлетворительно  отражают  реальные  процессы,  и 
могут  быть  положены  в  основу  разработки  программной  продукции  для  автоматизации 
процессов  поиска  и  оперативного  получения  нужной  информации  специалистами  в 
области овцеводства. 
Литература  
1. Альт  В.  В.  Роль  информационных  технологий  в  развитии  сельскохозяйственной
науки и производства //Сибирский вестник сельскохозяйственной науки. – 2008. – № 9. – 
С. 65-70.  
2. Программа по развитию агропромышленного комплекса  в Республике Казахстан
на 2013-2020 годы «Агробизнес-2020».     
3. Приказ  Минсельхоза  РФ  от 05.10.2010 г.  №335 «Об  утверждении  порядков  и
условий проведения бонитировки племенных овец тонкорунных пород, полутонкорунных 
пород и пород мясного направления продуктивности».  Зарегистрировано в Минюсте РФ 
22 ноября 2010г. №19006. 
4. Касенов  Т.К.,  Тореханов  А.А.,  Карамшук  И.Т.  Новая  порода  «Еттi  меринос». –
Алматы, 2011. – 350 с. 
5. Отчет  о НИР (заключительный) «Разработать интегрированную информационную
систему  для  поддержки  научных  исследований  в  сельском  хозяйстве».  Научный 
руководитель – Алтыбаев А.Н., д.т.н., № гос. регистрации  0101РК00311. – Алматы, 2014г. 
Жанбырбаев А.Б., Найденко Е.В., Есікенова А.Е.,  
Тұрмағамбетова Ф.Р., Алтыбаев А.Н. 
ҚОЙ ШАРУАШЫЛЫҒЫНДА АҚПАРАТТЫҚ – ІЗДЕУ ЖҮЙЕСІН ЖОБАЛАУ 
Қой  шаруашылығында  инженерлік – технологиялық  қамтамасыздандыру 
процестерін  автоматтандыру  үшін  бағдарламалық  өнімді  жасаудың  кейбір  нəтижелері 
көрсетілген.  Зерттеу  аймағы  негізінде  тауарлық  қой  шаруашылығы  мысалы  ретінде 
ақпараттық  моделінің  құрылымдық  сызбасы  ұсынылған, «қой  тұқымы»  нысанында 
деректер көрмесі құрылды, бағдарламалық қосымшаларды алдын ала тестілеу жүргізіледі. 
Кілт  сөздер:  Ақпараттық – іздеу  жүйесі,  зерттеу  аймағы,  құрылымдық  сызба, 
ақпараттық модель, деректер көрмесі. 

343 
Zhanbyrbayev A.B., Naydenko E.V., YessikenovaA.E.,  
Turmagambetova F.R., Altybayev A.N. 
TO DESIGN OF THE INFORMATION RETRIEVAL SYSTEM IN SHEEP BREEDING 
Some results of development of software products for automation of engineering and 
technological support of sheep breeding. The proposed circuit structure information the domain 
model on the example of commercial sheep farming, created a datamart for the object "breeds of 
sheep" carried out preliminary testing of software applications. 
Keywords: Information retrieval system, subject area, network structure, information 
model, showcase data. 
УДК338.43 
Жылкыбек Т.Е.,Токтарбек Е., Ахметов К.А. 
Казахский национальный аграрный университет  
НОВЫЙ МЕТОД К АСТРОЛОГИЧЕСКОМУ МОДЕЛИРОВАНИЮ ДИНАМИКИ 
УРОЖАЙНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР  
Аннотация 
С  учетом    астрологических  явлений,  в  том  числе  особенности    проявления  годов 
гороскопа в зависимости от синхронизации с планетами, в работе предложен инновацион-
ный метод к решению задачи прогнозирования урожаев сельскохозяйственных культур. 
Ключевые  слова
.  Астрологические  прогнозы,  лунные  календари,  астрологическое 
моделирование, Планет Солнечной системы, астрологическая модель, годы гороскопа. 
Сегодня  очень  популярны  стали  разнообразные  астрологические  прогнозы,  лунные 
календари  и  прочие  предсказания  по  небесным  светилам.  Так,  в  работе [1] убедительно 
раскрыто то, что  наряду с  общеизвестными  факторами, такие как  природные условия, 
температура,  количество  осадков,  продолжительность  светового  дня,  на  урожай 
сельскохозяйственных  культур  влияет  и  еще  что-то  очень  сильно.  И  это,  что-то  еще, 
энергия  волн,  которая  исходит  от  Солнца  и  планет  Солнечной  системы,  это - энергия 
низкой частоты.  
Урожай  зерновых  культур  напрямую  зависит  от  погодных  условий.  Погодные 
условия  имеют  схожий  характер  в  зависимости  от  того,  какая  планета  управляет  этим 
годом.Всейвселенной  на  планете  Земля  создано  по  семеричному  принципу 
взаимодействия  (семь  цветов  радуги,  семь  дней  недель,  семь  тонких  тел  и  чакр,  семь 
священных  планет, …) [2, 3]. Современные  астрологи  понимают  и  считают,  что 
энергетическое «кормление» всего живого на Земле происходит двумя светилами (Солнце 
и Луна) и пятью планетами в окружении нашей Земли [2, 3]. 
В  качестве  астрологической  модели  пространства  построим  таблицу  из 7-ми 
столбцов  и 12-ю  строк.  В  первом  столбце  будут  записаны  все  годы  Солнца;  во  втором 
столбце будут все годы Венеры; в третьем – годы Меркурия; в четвертом – годы Луны; в 
пятом – годы Сатурна; в шестом – годы Юпитера; в седьмом – годы Марса. По строкам 
таблицы  будут  записаны  годы  гороскопа  по  очередности.  В  первую  строку  запишем  все 
годы  «Мышь»,  во  вторую - годы  «Корова»  и  далее  в  таком  же  порядке  название 
всехоставшихся годов цикла (см. табл. 1).  

344 
Используя  статистические  данные  об  урожайности  пшеницы  по  Республике 
Казахстан (РК) за 1953 – 2012 гг., проведем анализ, объединяя данные по годам гороскопа, 
приведенные работах [2, 3 и 4].  
Вычисление  номера (N
k
)  клетки  для  любого  выбранного  года  определяется    по 
предлагаемой нами  формуле: 
N
k
=49·
O
ct
 + 7·
Kg
,  
                                                (1) 
где  
O
ct
- остаток от деления цифрового значения выбранного года (God) на 49, т.е.:  
G
God
O
ct


49
, здесь 
G
– целая часть от деления;
Kg
 – целое число, выбираемое от -11 до 11 в зависимости от цифрового значения  
           номеров клеток астрологической матрицы  рассматриваемого года гороскопа. 
Таблица 1 – Астрологическая  матрица    связывающая  годов  гороскопа  с 
управляемыми планетами Солнечной системы (номера клеток) 
С  помощью  встроенной  функции  ОСТАТ () в  среде MS Excel, можно    определить 
значение  первого  слагаемого  формулы (1) для  любого  года.  Так,  например,  если 
рассматриваем 2010 год, то обращение на эту функцию имеет вид: =ОСТАТ(2010, 49) и в 
результате  получим 49·
O
ct
=
1.  Теперь  по  годам  Зодиака  установим,  что 2010 год – год 
«Барс» и по таблице   1 определим номеров клеток по этой строке (15, 16, …, 21).   После 
этого  выбираем,  целое  значение    коэффициента   
Kg
    из  допустимого  пределавычислим 
номер клетки, принадлежащий 2010 году  по формуле: 
N
k
= 49·
O
ct
 + 7·
Kg
= 1+7·2 = 15. 
Здесь не должно быть сомнение, что значение Kg будет равно 2, так как выбор его 
другого целого значения  в допустимых (-11 ÷ +11) пределах не позволил бы найти номер 
нужный клетки среди возможных (15, 16, 17, 18, 19, 20, 21).  
По  описанной  технологии  автоматически  заносятся  изучаемые  годы  в 
астрологическую  матрицу и на основании этой матрицы MS Excel формирует таблицу 2. 
Таким  образом,  в  таблице 2 представлена  астрологическая  матрица,  в  которой  по 
годам  гороскопа  и  управляемыми  планетами  Солнечной  системы  сгруппировались 
статистические  данные  об  урожайности  пшеницы  по  РК  и  будут  определяться  их 
долгосрочные прогнозные значения.  
Анализируя  результаты  расчета  по  таблице 2 видим,  что  по  степени  влияния  на 
урожайность  на первом месте годы под управлением Сатурна с суммой 79,30и со средней 

345 
9,91  ц/га;  на  втором  месте  годы  под  управлением  Юпитера;  третьем  месте  годы  под 
управлением  Луны;  на  четвертом  месте  годы  под управлением  Венеры;  на  пятом  месте 
годы  под  управлением  Марса;  на  шестом  месте  годы  под  управлением  Солнца  и  на 
седьмом  месте  годы  под  управлением  Меркурия.  И  эти  места  определяют  ранг  планеты 
(R
ji
), которые намибудут учтены в прогнозных расчетах. 
Проанализируем статистические  данные  урожая  пшеницы.  Годы  Солнца  и  Марса 
считаются самыми жаркими и сухими и поэтому неурожайными. Но на последнем месте 
по урожайности по РК  годы Меркурия и Солнца. В северных регионах Республики они  
характеризуются,  холодными  ночами  в  апреле,  мае,   июне.  По  этой  причине  растения  в 
рост  не  идут.  Нередки  случаи,  когда  в   годы  Солнца  и  Меркурия  сочетается  холодная 
погода  с  небольшим  количеством  осадков  в  весенний  период,  и  как  результат,  эти  годы 
неурожайные. 
Урожай 2,9 ц/га  в 1965 году  по  всей  РК  был  самый  низкий за  все  годы   именно  в 
годы  Сатурна.  В 1965 году  во  всех  территориях  Республики  был  очень  холодный  май  и 
июнь, а в июле среднесуточная температура не превышала 20 градусов. 
Холодность весны и начала лета в годы Сатурна объясняется снижением активности 
Солнца  и  изменением  колебаний  волн  низкой  частоты,  которые  негативно  влияют  на 
урожай сельскохозяйственных культур. 
Таблица 2 – Астрологическая  матрица  урожайности  пшеницы  РК  по  годам 
гороскопа и управляемыми планетами Солнечной системы за 1953-2012 гг. 
Статистика урожая, сгруппированная по годам влияния планет, указывает на то, что 
волновое  воздействие  низкой  частоты  играет  решающее  влияние  на  урожай 
сельскохозяйственных культур. 
В  астрологии  многие  прогностические  методы  основаны  на  рассмотрении  циклов. 
Многие  известные  астрологи  считают,  что  сложные  циклы  в  некоторой  степени 
напоминает  математическое разложение периодической функции в ряд Фурье. В нашем 
случае  синхронная взаимосвязь по каждому году гороскопа и управляемыми планетами 
Солнечной  системы  протекает  по  такому  же  закону,  т.е.  сгруппированная  урожайность 
пшеницы по РК можем выравнивать при помощи рядов Фурье. 
В качестве функций выравнивания возьмем первые три гармоники ряда Фурье: 
t
b
t
a
a
Y
t
sin
cos
1
1
0
)
1
(




; 

346 
 
t
b
t
a
t
b
t
a
a
Y
t
2
sin
2
cos
sin
cos
2
2
1
1
0
)
2
(






; 
t
b
t
a
t
b
t
a
t
b
t
a
a
Y
t
3
sin
3
cos
2
sin
2
cos
sin
cos
3
3
2
2
1
1
0
)
3
(








, 
где
)
1
(
2
,...,
3
2
,
2
2
,
1
2
,
0






n
n
n
n
n
t




. 
Коэффициенты функций выравниваний найдем с помощью формул: 
n
y
a
n
i
i



1
0
;
n
ki
y
a
n
i
i
k





1
)
cos
(
2
;
n
ki
y
b
n
i
i
k





1
)
sin
(
2
; 
– дисперсию остатков  
;
,
1
,
)
ˆ
(
2
2
n
i
где
p
n
y
y
i
i
ост






 
– общую дисперсию 
;
2
2
2












n
y
n
y
i
i
общ

 
– тесноту связи          
;
1
)
(
2
2
общ
ост
i
r




 
–стандартное отклонение      
;
 
=
2
ост


 
– среднюю ошибку        
.
))
(
(
1
)
(
2
p
n
i
r
i




 
В первую очередь будем рассматривать  каждую строку астрологической матрицы 
(внешний  цикл),  т.е.  отдельно  каждого  года  Зодиака    с  управляемыми  планетами 
Солнечной системы (внутренний цикл), при этом нас будет интересовать закономерность 
влияния  планеты  на  урожайность  пшеницы  по  каждой  строке  астрологической  матрицы 
(см. табл. 2). 
За  рассматриваемой  период  динамики  урожайности  пшеницы  РК,  т.е.  за  60 лет 
каждый гороскопический год находятся под управлением 5 планетов Солнечной системы 
(табл. 2) с  продолжительностью 48 лет  и  это  соответствует 5 циклам  гороскопического 
года.  В  связи  с  этим  значение  коэффициентов  функций  выравниваний    ищем  по 
количеству  циклов,  т.е.  принимая  n = 5, а  значение  дисперсию  остатков,  общую 
дисперсию и среднюю ошибку определяем по общей продолжительности этих циклов, т.е.  
принимая n = 48 лет. 
Динамический  ряд  урожайности  начинается  с 1953 года,  год  «Змея»  и    каждый 
внешний цикл по годам гороскопа  начинается со следующего 1954, 1955, …1964 годов. В 
связи  с  этим  в  параметре    t  необходимо  учитывать  сдвиги  годов  гороскопа  по  внешним 
циклам  и  соответственно  глубины  исходных  материалов.  Для  этого  к  параметру t 
прибавляем  поправочный  коэффициент,  рассчитанный  как  доля  от  общего  индекса 
внешнего цикла и  с учетом сдвига на один шаг  по нами предлагаемой формуле: 
12
,...,
2
,
1
),
1
(
0833
,
0




j
j
Kn
j
 
Кроме  указанной  поправки  в  параметре  t необходимо  учитывать  ранг  планеты 
R
ji
(см. табл. 2), чтобы точнее смоделировать реальную ситуацию.    
Таким образом, для расчета параметра t предлагаем нижеследующую формулу: 
,
)
1
(
365
j
Kn
ji
R
i
n
t





 
здесь  j = (1, 2,…,12) – индекс внешних циклов годов Зодиака; i =(1, 2,…, 7) - индекс  
внутренних циклов рассматриваемого года Зодиака по планетам. 
Рассмотрим  динамический  ряд  урожайности  пшеницы  по  РК  из  астрологической 
матрицы  (табл. 2) по  каждой  строке,  т.е.  по  годам  Зодиака,  где    сформированы 

347 
гороскопические циклы.  Порядок выравнивания динамического ряда при помощи рядов 
Фурье опишем на примере гороскопических циклов  года «Заяц» (табл. 3). 
По  принятому  шаблону  языка VBA организованный  порядок  расчета  в  среде MS 
Excel динамического ряда урожайности, приведен в таблице 3. 
Рассчитанные значеня параметров гармоник ряда Фурье отражены в ячейках с C14 
по C20, соответственно (табл. 3):   













239
,
1
426
,
2
;
430
,
2
;
166
,
2
;
188
,
6
;
016
,
3
;
960
,
0
3
3
2
2
1
1
0
b
и
a
b
a
b
a
a
Как  видно  из  таблицы 3, где  автоматически  вычисленные  значения  параметров 
оценки  адекватности,  в  частности,  дисперсии  остатков,  общей  дисперсии,  тесноту  связи 
(уровни  корреляции)и  стандартного  отклонения,  у  всех  трех  зависимостей  отличаются 
незначительно  (в  десятых  и  сотых  долях),  что  требует  обоснованного  подхода  для 
окончательного выбора адекватной модели Фурье. Но все, же лучше всего из построенных 
моделей  к  исходным  данным  подогнано  гармоника 2-го  порядка,  что  и  подтверждает 
построенная  графика  (см.  таблицы 3). Она  имеет  сравнительно  большую  тесноту  связи, 
меньшие остаточную вариацию и среднюю ошибку. Хуже всего подогнана  гармоника  3-
го порядка. 

348 
Таблица
 3- 
Технология
 построения
 модели
 Фу
рь
е 
в 
среде
 MSExcel 

349 
Таким  образом,  выравнивание  на  основе  использования  ряда  Фурье  с 
использованием  гармоники 2-го  порядка  можно  признать  достоверным,  его  оценочные 
результаты будем использовать для прогнозирования. Такие расчеты были проведены по 
всем  годам  Зодиака  и  результаты  расчета  автоматически  были  занесены  в 
астрологической матрице (таблица 4), где   получен долгосрочный прогноз по 2036 года. 
Таблица 4 – Астрологическая  матрица  урожайности  пшеницы  РК  по  годам  гороскопа  и 
управляемыми планетами Солнечной системы за 1953-2036 гг. 
На рисунке 2 приведен график прогноза.  
Рисунок  2. График прогноза динамики урожайности пшеницы  РК по годам гороскопа и 
планет Солнечной системы 

жүктеу/скачать 8,12 Mb.

Достарыңызбен бөлісу: