CC BY
12<Тешетневс^ие чтения. 2016
3. GOST R ISO-MEK 31010-2011. Menedzhment riska. Metody otsenki riska [State Standard R ISO-MEK 31010-2011. Management of risk. Risk assessment methods]. Moscow, Standartinform Publ., 2012. 74 p.
4. Otsenka i upravlenie prirodnymi riskami. Te-maticheskiy tom. [Assessment and management of natural risks. Thematic volume]. By edition A. L. Ragozina. M. : Izdatel'skaya firma "KRUK", 2003. 320 p.
5. RF Order of the Government "About approval of the Concept of federal system of monitoring of crucial
objects and (or) potentially dangerous infrastructure facilities of the Russian Federation and dangerous freights" of August 27, 2005 № 1314r (In Russ.). Available at:: http://www.consultant.m/cons/cgi/online.cgi?req=doc&ba se=LAW&n=55325&fld=134&dst=100008,0&rnd=0.994 7080386050011 (accessed: 01.09.2016).
© Ничепорчук В. В., Тасейко О. В., 2016
УДК 504.03
ИНФОРМАЦИОННАЯ МОДЕЛЬ СОЦИАЛЬНО-ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ
И РАЗВИТИЯ Г. КРАСНОЯРСКА1
Е. Н. Потылицына, Е. В. Сугак
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: Leonova_en@mail.ru
Рассмотрена возможность использования искусственных нейронных сетей для оценки и прогнозирования состояния здоровья жителей крупного промышленного города. Данный метод позволяет разрабатывать высокоэффективные информационные компьютерные системы прогнозирования и анализа заболеваемости и смертности при изменении каких-либо факторов, оказывающих влияние на здоровье населения. Анализ полученных результатов показывает высокую точность прогнозных оценок и эффективность предлагаемой методики.
Ключевые слова: искусственные нейронные сети, оценка и прогноз социально-экологического состояния.
INFORMATION MODEL OF SOCIAL AND ENVIRONMENTAL SITUATION AND DEVELOPMENT IN KRASNOYARSK
E. N. Potylicyna, E. V. Sugak
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: Leonova_en@mail.ru
The possibility of using artificial neural networks to evaluate and predict the state of health of a large industrial city is considered. This method allows to develop high performance computer information system to predict and analyse morbidity and mortality with a change in any of the factors affecting public health. Analysis of the results shows high accuracy offorward-looking estimates and effectiveness of the proposed method.
Keywords: artificial neural networks, evaluation and forecast of socio-ecological condition.
Анализ существующих подходов, методов и методик проведения всех этапов оценки экологических рисков населения промышленных регионов показывает, что наиболее серьезного развития требует этап оценки зависимости «доза-эффект» [1]. Одним из перспективных методов ее построения представляется использование современных информационных технологий и технологий интеллектуального анализа данных, которые позволяют обрабатывать большие объемы информации и оперативно устанавливать статистически достоверные взаимосвязи и зависимости
1 Работа выполнена при поддержке Российского фонда фундаментальных исследований (проект 16-47-240545).
между входными и выходными параметрами. Для повышения оперативности и точности принятия управленческих решений в последнее время используются технологии искусственного интеллекта, способные работать в условиях нечеткой исходной информации [2; 3].
Целью работы является разработка комплексной количественной статистически достоверной информационной модели социально-экологического состояния и развития г. Красноярска с оценкой и прогнозированием техногенных социально-экологических рисков населения с использованием современных информационных технологий и технологий интеллектуального анализа данных. Полученная модель значи-
Шехносферная безопасность
тельно упростит и ускорит оценку и прогноз развития социально-экологической обстановки в регионе в результате техногенного воздействия на окружающую среду и здоровье населения без масштабных клинических биомедицинских исследований.
Для построения нейросетевой модели использовалась свободно распространяемая программа NeuroPro [4]. В качестве индикаторов состояния окружающей среды использовались концентрации загрязняющих канцерогенных веществ (бензол, никель, бенз(а)пирен, формальдегид, этилбензол) в воздухе г. Красноярска по данным Центра мониторинга загрязнения окружающей среды ГУ «Красноярский ЦГСМ-Р», осуществляющего наблюдения за качеством атмосферного воздуха на 8 стационарных постах в г. Красноярске. Обработаны ежегодники «Состояние загрязнения атмосферного воздуха городов на территории Красноярского края, республик Хакасия и Тыва» с 2000 по 2012 г. [5].
В качестве индикатора здоровья населения использовались данные санитарно-демографической статистики Территориального органа Федеральной службы государственной статистики по Красноярскому краю (Красноярскстат), а именно, данные о смертности от злокачественных новообразований за период с 2000 по 2012 гг. [6].
Обучение нейронной сети проводилось на 80 % статистических данных. Варьированием параметров структуры нейронной сети и алгоритма обучения была получена модель, состоящая из 1 слоя, в котором расположено 10 нейронов. Число входов сети - 5, выходов - 1. Средняя относительная ошибка прогноза составила 0,397 %, т. е. сеть обеспечивает хорошую сходимость расчетных и фактических значений.
Кроме того, анализ полученных результатов показывает, что бензол (100 %) и формальдегид (94 %) оказывают самое большое воздействие на смертность жителей г. Красноярска от онкологических заболеваний. Менее всего влияет никель (19 %).
Полученные результаты свидетельствуют, что применение современных вычислительных и информационных технологий для решения экологических задач, связанных с обработкой информации и построением социально-экологических моделей, являя-ется перспективным и требует дальнейших исследований [7].
Библиографические ссылки
1. Сугак Е. В. Современные методы оценки экологических рисков // European Social Science Journal (Европейский журнал социальных наук). 2014. Т. 2, № 5(44). С. 427-433.
2. Потылицына Е. Н., Липинский Л. В., Сугак Е. В. Использование искусственных нейронных сетей для решения прикладных экологических задач [Электронный ресурс] // Современные проблемы науки и
образования. 2013. № 4. С. 1-8. URL: http://www. science-education. ru/110-9779.
3. Solving the problem of city ecology forecasting with neuro-evolutionary algorithms / D. I. Khritonenko [et al.] // Vestnik SibGAU, 2015. Vol. 16, No. 1. P. 137-142.
4. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. М. : Горячая линия-Телеком, 2002. 382 с.
5. Состояние загрязнения атмосферного воздуха городов на территории Красноярского края, республик Хакасия и Тыва в 2012 г. Красноярск, 2013. 116 с.
6. Здравоохранение в г. Красноярске в 2012 году. Статистический бюллетень № 8-5.2: Территориальный орган Федеральной службы государственной статистики по Красноярскому краю, Красноярск, 2013. 15 с.
7. Потылицына Е. Н., Тасейко О. В., Сугак Е. В. Оценка влияния загрязнения воздуха предприятиями машиностроения на здоровье населения // Вестник СибГАУ. 2015. Т. 16, № 4. С. 958-968.
References
1. Sugak E. V. [Modern methods of an assessment of environmental risks]. European Social Science Journal. 2014, Vol. 2, No. 5 (44), рр. 427-433. (In Russ.)
2. Potyilitsyina E. N., Lipinskiy L. V., Sugak E. V. [Use of artificial neural networks for the solution of applied ecological tasks]. Sovremennyie problemy nauki i obrazovaniya. 2013, No. 4, рр. 1-8. (In Russ.) Available at: http://www.science-education.ru/110-9779 (accessed: 22.12.2013).
3. Hritonenko D. I., Semenkin E. S., Potyilitsyina E. N. [Solution of a problem of forecasting of an ecological condition of the city neuroevolutionary algorithms]. Vestnik SibGAU, Vol. 16, No. 1, рр. 137-142. (In Russ.)
4. Kruglov V. V., Borisov V. V. Iskusstvennye neyronnye seti. Teoriya i praktika. [Artificial neural networks. Theory and practice]. Moscow, Goryachaya liniya-Telekom, 2002. 382 p.
5. Ezhegodnik "Sostoyanie zagryazneniya atmosfer-nogo vozdukha gorodov na territorii Krasnoyarskogo kraya, respublik Khakasiya i Tyva v 2010 g. " [Yearbook "The state of air pollution in the cities of Krasnoyarsk Territory, Khakassia and Tuva republic in 2010"]. Krasnoyarsk, 2013. 116 p.
6. [Health in Krasnoyarsk in 2012 / territorial body of the Federal State Statistics Service of the Krasnoyarsk Territory]. Statisticheskiy byulleten'. Krasnoyarsk, 2013, No. 8-5.2. 15 p. (In Russ.)
7. Potylitsyna E. N., Taseyko O. V., Sugak E. V. [Ot-senka vliyaniya zagryazneniya vozdukha predpriyatiyami mashinostroeniya na zdorov'e naseleniya]. Vestnik SibGAU, Vol. 16, No 4, рр. 958-968. (In Russ.)
© Потылицына Е. Н., Сугак Е. В., 2016
