Том Природничі науки Бердянськ 2014 (06) ббк 74я5



Сторінка5/34
Дата конвертації15.04.2016
Розмір6.6 Mb.
1   2   3   4   5   6   7   8   9   ...   34

ЛІТЕРАТУРА

  1. Слєпкань З.І. Методика навчання математики: Підручник / З. І. Слєпкань – К.: Вища шк.., 2006. – 582 с.

  2. Морзе Н. В. Компетентнісні задачі з інформатики / Морзе Н. В., Кузьмінська О. Г. // Науковий часопис НПУ імені М. П. Драгоманова. Серія №2. Комп’ютерно-орієнтовані системи навчання : Зб. наук. праць. / Редрада. – К.: НПУ імені М. П. Драгоманова. – 2008. – №6 (13). – С. 31–38.



Юлия Диесперова,

магистрант 2 курса Института естествознания

Научный руководитель: Т. К. Петровская

к. геол.-мин. н., доцент

(Калужский государственный

университет им. К.Э. Циолковского)


АНАЛИЗ СОДЕРЖАНИЯ ПОДВИЖНОГО ФОСФОРА В ПОЧВАХ КАЛУЖСКОЙ ОБЛАСТИ И ПУТИ ЕГО ОПТИМИЗАЦИИ
Одним из основных условий развития агропромышленного комплекса Калужской области является сохранение плодородия и рациональное использование земель сельскохозяйственного назначения.

Изучением экологических проблем, связанных с развитием сельского хозяйства, занимались К.В. Пашканг, В.А. Черников, Н.А. Уразаев, Ю.А. Конкин, А.И. Тютюнников и другие специалисты. В их работах даётся анализ антропогенного воздействия основных отраслей сельхозпроизводства и связанные с ним изменения ландшафтной структуры территории.

В связи с увеличением хозяйственной нагрузки на окружающую среду Калужской области требуются дополнительные исследования и проведение мероприятий по улучшению агрохимических показателей почв и, как следствие, повышению плодородия почв региона.

Цель исследования: проанализировать динамику содержания подвижного фосфора в почвах Калужской области в период с 1998 по 2012 гг. и наметить пути его оптимизации.

В данном исследовании дана общая характеристика земельного фонда Калужской области, рассмотрены почвы региона и общая ситуация, сложившаяся с плодородием почв в результате эксплуатации земель экстенсивным способом.

На основе анализа статистических данных, содержащихся в докладах «О состоянии природных ресурсов и охране окружающей среды на территории Калужской области», в период с 1998 по 2012 гг. был проведён анализ динамики содержания подвижного фосфора в почвах Калужской области и составлены картосхемы, отражающие изменения по исследуемому показателю плодородия, а также выявлены тенденции содержания данного элемента в почвах.

В работе рассмотрено значение фосфора для растений, сформулированы причины снижения содержания фосфора в почвах и даны рекомендации по проведению мелиоративных работ, связанных с фосфоритованием сельхозугодий. Исследованы возможности разработки местных месторождений желваковых фосфоритов с целью получения фосфоритной муки и фосмелиорантов.

Установлено, что основными причинами снижения содержания фосфора в почвах являются: снижение объёмов внесения минеральных удобрений на пашне Калужской области и объёмов работ по фосфоритованию; вынос фосфора из почвы с урожаем значительно превышает его поступление; прирост содержания подвижного фосфора на 1 мг/100 г почвы происходит за 2-2,5 года; развитие на больших сельскохозяйственных площадях таких негативных процессов как эрозия, заболачивание, подтопление и др.

При сравнении полученных картосхем заметно снижение содержания фосфора в почвах Боровского, Думиничского и Козельского районов. В общем же обеспеченность фосфором по районам варьирует от 60 до 160 мг/кг почвы, т.е. от низкой до повышенной в отдельных районах. Большинство районов Калужской области существенных изменений в содержании фосфора не показали, но определённая динамика есть и прослеживаются определенные тенденции (как положительные, так и отрицательные) к изменениям в исследуемом показателе.

В целом, ситуация пока негативная, так как в большинстве районов содержание фосфора в почвах постепенно снижается, что плохо сказывается на сельскохозяйственных культурах и приводит к снижению урожаев. Требуется проведение мероприятий по регулированию фосфорного режима почвы и внесению фосфорных удобрений с учётом степени кислотности почв в районах Калужской области.

Минерально-сырьевая база фосфатного сырья Калужской области представлена месторождениями желваковых фосфоритов. На государственном балансе числятся 2 наиболее крупных и перспективных месторождения фосфоритов, отработка которых осуществлялась ранее – Подбужское и Слободско-Которецкое. Также имеется ряд прогнозных площадей и поисковых участков фосфоритов (Западно-Бычковская площадь, Ловатьский участок и др.) [1, с.69-83], в которых имеются все предпосылки для добычи сырья с целью производства фосфоритной муки. Это потребует строительства мини-заводов по производству фосфорных удобрений, которые дадут возможность перевозить материал на оптимальное расстояние в 150 км, и, таким образом, снабжать все районы Калужской области фосфоритной мукой.
ЛИТЕРАТУРА

1. Разумовский Д.О. «Геолого-экономическая оценка использования местного фосфатного сырья для восстановления сельскохозяйственных земель». – Калуга, 2002.



Ірина Заранко,

студентка 5 курсу Інституту

фізико-математичної і технологічної освіти

Наук. керівник: О.Г. Онуфрієнко,

к. техн. наук, доцент (БДПУ)
ЕЛЕМЕНТИ МАТЕМАТИЧНОГО МОДЕЛЮВАННЯ В ЗАДАЧАХ ХІМІЧНОГО ВИРОБНИЦТВА
Актуальність. У сучасній практиці проектування великих промислових систем часто використовується емпіричний підхід. Це пояснюється тим, що велику систему принципово неможливо точно описати і точно передбачити її поведінку. Єдиний метод, який дозволяє полегшити проектування (а також і експлуатацію) такої системи, – це моделювання і в першу чергу — математичне [1]. Математичне моделювання полягає в побудові математичної моделі та дослідженні її аналітичними, числовими чи якісними методами для отримання деякої характеристики (характеристик) досліджуваної реальної системи. Математичні моделі використовують при прогнозуванні поведінки об’єкту, який моделюють.

Математичне моделювання включає наступні етапи: складання математичного опису процесу; створення алгоритму, що моделює процес, який вивчається; перевірка адекватності моделі процесу, який вивчається; використання моделі.



Ступінь досліджуваності проблеми. Для побудови математичних моделей технічних об'єктів використовуються фундаментальні закони фізики, хімії, економіки тощо [2]. Відповідно моделі записуються у вигляді звичайних диференціальних рівнянь, що відображають, наприклад, матеріальний і тепловий баланси апаратів, зміни струму і напруги електричного ланцюга і т.д. У систему математичного опису в загальному випадку можуть входити: алгебраїчні рівняння, звичайні диференціальні рівняння, рівняння в частинних похідних, емпіричні, логічні формули та ін. Але, слід відмітити, що є недостатньо вивченими задачі такого напряму, як хімічне виробництво.

Мета і методи дослідження. У кожній окремій галузі мета, завдання і можливості математичного моделювання визначаються конкретними умовами. Для хімічної промисловості, наприклад, визначимо наступні можливості математичного моделювання повного виробництва: прогноз впливу змін робочих умов, технологічної схеми і випуску; швидкий розрахунок матеріального і теплового балансів, що необхідне як для проектування, так і для вивчення місячного випуску продукції на діючому виробництві; швидка і надійна оптимізація режиму експлуатації.

За допомогою математичного моделювання вибираються оптимальні умови проведення процесу, визначаються необхідна кількість каталізатора, розміри і форма реактора, параметрична чутливість процесу по початковим і крайовим умовам, перехідні режими, а також досліджується стійкість процесу. Для дослідження різних процесів, в яких відбуваються фазові і хімічні перетворення, застосовуються методи термодинамічного моделювання.



Сутність дослідження. Роль моделювання у розвитку хімічної науки особливо важлива, оскільки світ атомів і молекул прихований від безпосереднього спостереження дослідника. Тому пізнання здійснюється шляхом побудови моделей об'єктів за непрямими даними.

Моделювання глибоко проникає в теоретичне мислення. Більш того, розвиток будь-якої науки, у тому числі і хімії, можна трактувати – у вельми загальному, але цілком розумному сенсі, – як «теоретичне моделювання». Важлива пізнавальна функція моделювання полягає в тому, щоб служити імпульсом, джерелом нових теорій.

Моделювання – є не єдиним із засобів відображення явищ і процесів реального світу, а й об'єктивний практичний критерій перевірки істинності наших знань, здійснюваної безпосередньо або за допомогою встановлення їх ставлення до іншої теорії, яка виступає в якості моделі, адекватність якої вважається практично обгрунтованою.

Основні висновки. Застосовуючись в органічній єдності з іншими методами пізнання, моделювання виступає як процес поглиблення пізнання, його руху від відносно бідних інформацією моделей до моделей більш змістовних, повніше розкриває сутність досліджуваних явищ дійсності. Для розвитку хімічної науки важливу роль відіграє не тільки теоретичне, а й експериментальне моделювання хімічних процесів, що дозволяє вивчати складні хіміко-технологічні процеси, підбирати оптимальні умови їх перебігу, розраховувати склад і вихід продуктів реакцій.
ЛІТЕРАТУРА


  1. Неймарк Ю.И. Простые математические модели и их роль в постижении мира / Ю.И.Неймарк // Cоросовский образовательный журнал. — 1997. — №3. — С. 139—143.

  2. Ситник В.Ф. Імітаційне моделювання: навчально-методичний посібник для самостійного вивчення дисципліни / В. Ситник, Н. Орленко.— К. : КНЕУ, 1999. — 208 с.

Марина Згурська,

студентка 6 курсу факультету

фізико-математичної і технологічної освіти

Наук. керівник: О. М. Литвин,

доктор фіз.-мат. наук, професор (БДПУ)
МЕТОД ПОЛІНОМІАЛЬНОЇ ІНТЕРЛІНАЦІЇ, ВЕКТОР ФУНКЦІЇ

НА СИСТЕМІ ВЕРТИКАЛЬНИХ ПРЯМИХ І ЙОГО ЗАСТОСУВАННЯ

В МІЖСВЕРДЛОВИННІЙ СЕЙСМІЧНІЙ ТОМОГРАФІЇ
Задача дослідження неоднорідних середовищ є однією з найважливіших і найскладніших задач сучасності [1], на практиці широко використовує сейсмічну томографію – методологію оцінки властивостей Землі [2]. В загальній сейсмології вона є лише частиною сейсмічного зображення і, зазвичай, використовується для більш спеціальних цілей – оцінки швидкостей розповсюдження хвиль стиснення (P- хвиль) і хвиль зсуву фрагменту зображення (S-хвиль).

Класичні методи обчислювальної математики, основані на використанні експериментальних даних про величину прискорення сейсмічних коливань у кожній точці прямих-свердловин у залежності від глибини , часу і біжучих координат (x, y), а також координат , що характеризують геометричне розміщення всіх свердловин на поверхні, поки що не використовуються при розв’язанні задач сейсмічної томографії. Побудова операторів інтерлінації скалярних функцій змінних на нерегулярно розміщених лініях досліджувалася в працях Литвина О.М., Литвина О.О., Денисової Н.І. [3]. Тому актуальною є задача побудови математичної моделі розподілу вектора-прискорення сейсмічних коливань між свердловинами за відомими розподілами прискорення у кожній точці всіх свердловин .

Формула для обчислення при поліноміальному виборі допоміжних функцій є глобальною формулою інтерлінації, оскільки для обчислення вектора у кожній точці потрібно враховувати його сліди у всіх прямих. Тобто, такі формули для можуть використовуватись у деяких випадках для прогнозу розподілу між прямими і навіть в околі області , що є випуклою оболонкою прямих .

Якщо вектор-функція є вектором прискорення, то запропонований метод інтерлінації може служити міжсвердловинною акселерометричною математичною моделлю кори Землі, оскільки дозволяє обчислювати прискорення у кожній точці між свердловинами за допомогою слідів вектора прискорення – даних сейсмічної томографії – у всіх свердловинах у залежності від глибини і часу .

Враховуючи, що свердловини розміщені на поверхні нерегулярним чином (без аналітичної залежності між координатами свердловин, взагалі кажучи), побудова базисних допоміжних функцій повинна враховувати цю нерегулярність і забезпечувати при цьому збереження ізогеометричних властивостей, властивих експериментальним даним , .

Припущення про існування вектор – функцій важко реалізувати на практиці, оскільки сучасні акселерометри дозволяють отримати значення вектора-прискорення коливань лише у окремих точках . Але за допомогою цих даних – сейсмограм можна побудувати деякі наближення (у вигляді поліномів, сплайнів двох змінних тощо) до реальних розподілів і ними користуватися у подальшому.


ЛІТЕРАТУРА

1. Дейнека В.С., Сергиенко И.В. Оптимальное управление неоднородными распределенными системами / В.С. Дейнека, И.В. Сергиенко // НАН Украины. Институт кибернетики им. В.М. Глушкова. – Киев: Наукова думка, 2003. – 505 с.

2. Иванссон С. Межскважинная томография на проходящих волнах: В кн..: Сейсмическая томография. С приложеними в глобальной сейсмологи и разведочной геофизике. Под ред. Guust Nolet. Пер. С английского А.Л. Левшина и Б.Г. Букчина. Глава 7. – М. : Мир, 1990.

3. Литвин О.М. Математичне моделювання розподілу корисних копалин за допомогою інтерлінації функцій / О.М. Литвин, Н.І. Штепа, О.О. Литвин // За редакцією І.В. Сергієнка. – К. : Наукова думка, 2011. – 228 с.



Марина Згурська,

студентка 6 курсу Факультету фізико-

математичної та технологічної освіти

Науковий керівник: В.В. Ачкан,

кандидат пед.наук доцент, (БДПУ)
РЕАЛІЗАЦІЯ ПРОБЛЕМНОГО НАВЧАННЯ ПРИ ВИВЧЕННІ КУРСУ ЕЛЕМЕНТАРНОЇ МАТЕМАТИКИ У ВИЩІЙ ШКОЛІ
Становлення нової системи освіти України, яка зорієнтована на входження в єдиний світовий, освітній та інформаційний простір, супроводжується істотними змінами в педагогічній теорії і практиці навчально-виховного процесу. В останні роки поряд зі змінами програми ведеться пошук надійних шляхів розвиваючого навчання. Важливе значення надається проблемному навчанні, основна мета якого полягає у збагаченні активного ставлення студентів до оволодіння знаннями, інтенсивного розвитку їхньої самостійної пізнавальної діяльності та індивідуальних творчих здібностей.

Питанням реалізації проблемного навчання займалося багато вчених, такі як, А.М. Алексюк, І.Я. Лернер, А.М. Матюшкін, М.І. Махмутов, М.М. Скаткін, В. Оконь та інші. Проте питанням реалізації проблемного навчання при вивченні математичних дисциплін, зокрема, елементарної математики в педагогічних університетах досі є мало досліджуваним.

Практикум з елементарної математики є дисципліною з вибіркової частини навчального плану для студентів фізико-математичних факультетів педагогічних вищих навчальних закладів [1]. Зважаючи на низький конкурс, що спостерігається останнім часом на фізико-математичному факультеті, викладач працює зі студентами, які мають низький рівень шкільної математичної підготовки, зокрема, незадовільним розвитком творчих здібностей, звичками працювати за зразками, проблеми мотивації навчальної діяльності. Отже, питання використання проблемного навчання при вивченні курсу елементарної математики у вищому навчальному закладі є досить актуальним на сьогоднішній день.

Метою реалізації проблемного навчання є одержання нових знань, формування теоретичних і практичних умінь студентів через розв'язування завдань, що виникають у проблемних ситуаціях. Важливу роль відіграють проблемні методи навчання, до яких можна віднести: пояснювально – ілюстративний; репродуктивний; проблемний виклад; частково-пошуковий; дослідницький метод. Усі вони полягають у послідовному створенні проблемних ситуацій, які будуть вирішуватися чи студентами, чи за допомогою викладача.

Можливості застосування елементів проблемного навчання на лабораторних, практичних і семінарських заняттях більш широкі, ніж на лекціях. Студенти й викладач стають рівноправними партнерами процесу навчання. Формулювання проблеми в основному залишається за викладачем, а ось здійснення інших етапів (участь слухачів у вирішенні проблем дій під час вирішення проблемної ситуації, оформлення висновків на основі доказового аналізу різних поглядів при вирішенні розглядуваних проблем, тощо) виконують уже самі студенти. В цьому випадку роль викладача – керувати загальним ходом вирішення проблемної ситуації і своєчасно надавати потрібні консультації.

Нами були розроблені: лекційне заняття на тему “Основні методи, способи та прийоми розв’язування рівнянь та нерівностей”, практичне заняття на тему “Розв’язування ірраціональних рівнянь та нерівностей”, а також завдання для самостійної та індивідуальної роботи студентів.

Використання проблемних ситуацій на заняттях з елементарної математики дає можливість:


  • активізувати пізнавальну діяльність студентів;

  • підвищити рівень мотивації при вивченні даної дисципліни;

  • розвинути вміння самостійно і творчо мислити та застосовувати здобуті знання у практичній діяльності;

  • пожвавити мовленнєву активність студентів;

  • забезпечити міцність набутих знань та вмінь з елементарної математики;

  • формувати всебічно розвинену особистість, яка спроможна вирішувати майбутні професійні та життєві проблеми.

Застосування проблемного навчання у вивченні елементарної математики можливе за допомогою інформаційно-комунікаційних технологій (ІКТ). Використання математичного пакету MathCAD, як засобу навчання впливає на вдосконалення методики викладання математики, змінює звичну форму проведення практичних занять і сприяє появі нових форм і прийомів навчання.
ЛІТЕРАТУРА

  1. Ачкан В.В. Формування логічної та дослідницької математ. компетентностей студентів під час вивчення курсу елементарної математики. – [Електроний ресурс]. – Режим доступу: http://archive.nbuv.gov.ua/portal/Soc_Gum%20/Znpbdpu/Ped/2011_3/Achk.pdf

  2. Семенець С.П. Елементарна математика. Навчальна програма (розроблена на основі концепції розвивальної освіти) / С.П. Семенець. – Житомир : Вид.-во ЖДУ ім. І. Франка, 2008. – 88 с.



Тимофей Каплунов,

студент 5 курса факультета

информатики и управления

Научный руководитель: С.Г.Буланов,

к.т.н., доцент

(Таганрогский государственный

педагогический институтимени А.П. Чехова)
ПРИМЕНЕНИЕ АЛГОРИТМА ДИФФЕРЕНЦИАЛЬНОЙ ЭВОЛЮЦИИ

В ЗАДАЧАХ ОПТИМИЗАЦИИ
Генетические алгоритмы – это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе [1].

Генетические алгоритмы работают по следующей схеме. На первом шаге генетический алгоритм генерирует начальную популяцию в качестве которой выбирается N векторов из пространства . При этом распределение исходной популяции выбирается исходя из требований поставленной задачи. Обычно используется выборка из n-мерного равномерного распределения, с заданной дисперсией и математическим ожиданием [2].

На втором шаге работы алгоритма происходит мутация. Она служит механизмом, который борется с преждевременной сходимостью. Поэтому в скрещивании должны участвовать только измененные особи:

,

где A и B – случайно выбранные представители популяции, отличные от пары особей-родителей. Параметр F определяет силу мутации – амплитуду возмущений, вносимых в вектор внешним шумом. В качестве шума, искажающего «генофонд» особи C используется не внешний источник энтропии, а внутренний – разность между случайно выбранными представителями популяции.

На очередном шаге алгоритма производится скрещивание каждой особи X из исходной популяции со случайно выбранной особью C, отличной от X. Координаты векторов X и C рассматриваются как генетические признаки. Скрещивание производится путем задания вероятности Р, с которой потомок Т наследует измененный мутацией ген от родителя С, соответствующий признак от прямого родителя Х наследуется с вероятностью 1–Р. Фактически n раз разыгрывается бинарная случайная величина с математическим ожиданием P, и для единичных ее значений производится наследование (перенос) искаженного генетического признака от родителя C (т.е. соответствующей координаты вектора C'), а для нулевых значений – наследование генетического признака от родителя X. В результате формируется вектор-потомок T.

Немалое значение в работе генетического алгоритма (ГА) имеет отбор. Отбор осуществляется на каждом шаге функционирования алгоритма. После формирования вектора-потомка T производится сравнение целевой функции для него и для его «прямого» родителя X. В новую популяцию переносится тот из векторов X и T, на котором целевая функция достигает меньшего значения (задача минимизации). Описанное правило отбора гарантирует неизменность размера популяции в процессе работы алгоритма.

Путем множества итераций скрещивания достаточно точно достигаются искомые значения функции. Особенность алгоритма, описанного в статье, которая отличает его от классического ГА, заключается в том, что в качестве источника шума используется не внешний генератор случайных чисел, а «внутренний», реализованный как разность между случайно выбранными векторами текущей популяции. Эксперименты показывают, что в целом эволюция популяции соответствует динамике «роя мошек» (т.е. случайного облака точек), движущегося как целое вдоль рельефа оптимизируемой функции, повторяя его характерные особенности. В случае попадания в овраг «облако» принимает форму этого оврага и распределение точек становится таким, что математическое ожидание разности двух случайных векторов оказывается направленным вдоль длинной стороны оврага. Это обеспечивает быстрое движение вдоль узких вытянутых оврагов, тогда как для градиентных методов в аналогичных условиях характерно колебательная динамика «от стенки к стенке». Приведенные эвристические соображения иллюстрируют наиболее важную и привлекательную особенность алгоритма дифференциальной оптимизации – способность динамически моделировать особенности рельефа оптимизируемой функции, подстраивая под них распределение «встроенного» источника шума. Именно этим объясняется замечательная способность алгоритма быстро проходить сложные овраги, обеспечивая эффективность даже в случае сложного рельефа.

1   2   3   4   5   6   7   8   9   ...   34


База даних захищена авторським правом ©shag.com.ua 2016
звернутися до адміністрації

    Головна сторінка