CC BY
16
DOI 10.24412/2074-5036-2022-1-40-46 УДК 619:616.981.42
Ключевые слова: северные олени, инфекционные болезни, математическое моделирование, нечеткие множества, прогнозирование.
Key words: reindeer, infectious diseases, mathematical modeling, fuzzy sets, forecasting Шрокудин А.В., 2Лайшев К.А., 2Спесивцев А.В., 2Спесивцев В.А.
МЕТОДИКА ПРОГНОЗИРОВАНИЯ ЭПИЗООТОЛОГИЧЕСКОГО НАДЗОРА ЗА ИНФЕКЦИОННЫМИ БОЛЕЗНЯМИ
METHODOLOGY OF FORECASTING EPIZOOTOLOGICAL SUPERVISION
FOR INFECTIOUS DISEASES
'Научно-исследовательский институт сельского хозяйства и экологии Арктики ФГБНУ «Федеральный исследовательский центр "Красноярский научный центр Сибирского отделения Российской академии наук"». Адрес: 663301, Россия, Норильск, Ленинский, 1.
Research Institute of Agriculture and Ecology of the Arctic "Federal Research Center «Krasnoyarsk Scientific Center
of the Siberian Branch of the Russian Academy of Sciences»" Address: 663301, Russia, Norilsk, Leninsky, 1. 2ФГБНУ «Санкт-Петербургский Федеральный исследовательский центр Российской академии наук». Адрес: 196608, Россия, Санкт Петербург, Пушкин, Подбельского, 7. St. Petersburg Federal Research Center of the Russian Academy of Sciences. Address: 196608, Russia, St. Petersburg, Pushkin, Podbelsky, 7.
Прокудин Александр Викторович, кандидат ветеринарных наук, ведущий научный сотрудник, al.prokudin@mail.ru.
Prokudin Alexander Viktorovich, PhD of Veterinary Sciences, Leading Researcher, al.prokudin@mail.ru. Лайшев Касим Анверович, доктор ветеринарных наук, член-корр. РАН, главный научный сотрудник, layshev@mail.ru. Laishev Kasim Anverovich, Doctor of Veterinary Sciences, Corresponding Member of the RAS Chief Researcher, layshev@mail.ru. Спесивцев Александр Васильевич, доктор технических наук, ведущий научный сотрудник, sav2050@gmail.com. Spesivtsev Alexander Vasilievich, Doctor of Engineering Sciences, Leading Researcher, sav2050@gmail.com. Спесивцев Василий Александрович, младший научный сотрудник, ryukuro@yandex.ru. Spesivtsev Vasily Alexandrovich, Junior Researcher, ryukuro@yandex.ru.
Аннотация. Представлены исследования, способствующие повышению эффективности противоэпизоотических мероприятий путем разработки и апробации экспресс-способа прогнозирования эпизоотологического надзора за инфекционными болезнями в оленеводческих стадах в Арктической зоне РФ. Исследования проводились на территории Таймырского Долгано-Ненецкого муниципального района и Ямало-Ненецкого автономного округа. В качестве факторного пространства выбраны шесть переменных, системно представляющих изучаемое явление. Дополнительно использовали статистическую отчетность санитарных надзорных органов по инфекционным болезням за несколько лет и мнения специалистов-практиков в области оленеводства. Построение нечетко-воз-можностной модели предусматривало последовательное выполнение следующих этапов: экспертный опрос компетентных органов и лиц с целью выбора факторного пространства и получения исходных данных об эпизоотической обстановке конкретной территории в вербальном формате; опрос работников непосредственно на каждой из исследуемых территорий хозяйствующих объектов и специалистов-практиков по всем переменным выбранного факторного пространства для получения двухуровневой информации; построение нечетко-возможностной модели на основе явных и неявных экспертных знаний. В заключение проведена апробация экспресс-способа прогнозирования эпизоотологического надзора за инфекционными болезнями (на примере бруцеллеза у северных оленей) в оленеводческих стадах в Арктической зоне РФ. Наличие аналитической модели дало возможность проведения численного эксперимента по определению силы влияния отдельных переменных на зависимую переменную Y в присутствии воздействия всех остальных.
Summary. The paper presents studies that improve the effectiveness of antiepizootic measures by developing and testing an express method for predicting epizootic surveillance of infectious diseases in reindeer herds in the Arctic zone of the Russian Federation. The research was carried out on the territory of the Taimyr Dolgan-Nenets Municipal District and the Yamalo-Nenets Autonomous Okrug. As a factor space, six variables were selected that systematically represent the phenomenon under study. In addition, we used the statistical reports of the sanitary supervisory authorities on infectious diseases for several years and the opinions ofpractitioners in the field of reindeer husbandry. The construction of a fuzzy-
feasibility model provided for the sequential implementation of the following stages: an expert survey of the competent authorities and individuals in order to select the factor space and obtain initial data on the epizootic situation of a particular territory in a verbal format; interviewing employees directly in each of the studied territories of economic objects and practitioners for all variables of the selected factor space to obtain two-level information; construction of a fuzzy-possibility model based on explicit and implicit expert knowledge. In conclusion, an express method for predicting epidemiological surveillance of infectious diseases (for example, brucellosis in reindeer) in reindeer herds in the Arctic zone of the Russian Federation was tested. The presence of an analytical model makes it possible to conduct a numerical experiment to determine the strength of the influence of individual variables on the dependent variable Y in the presence of the influence of all the others.
Введение
Интенсивное развитие домашнего северного оленеводства связано со многими экономическими, социальными, организационно-хозяйственными, технологиче скими и климатическими особенностями. Однако в данной работе особо хотелось остановиться на проблеме эпизоотологического надзора за инфекционными заболеваниями как основы ветеринарного благополучия отрасли.
В своих работах [2, 3, 4] мы уже отмечали, что для качественного и высокоэффективного эпизоотологического и ветеринарно-сани-тарного надзора в регионах, занимающихся оленеводством, необходимо:
Для каждого региона разработать программу ветеринарного благополучия.
На уровне федерального бюджета предусмотреть выделение целевого финансирование на эпизоотический контроль за особо опасными заболеваниями животных и человека.
Постоянно проводить мониторинговые исследования за эпизоотической ситуацией в регионах, особенно в районах, на территории которых зарегистрированы сибиреязвенные очаги.
Обязать хозяйства всех форм собственности, занимающиеся домашним оленеводством, утверждать маршруты движения оленеводческих бригад у начальника ветеринарной службы региона.
Хозяйства всех форм собственности, не имеющие ветеринарных специалистов, обязаны заключать договора с ветеринарными учреждениями на ветеринарное обслуживание.
Постоянно внедрять применение новых эффективных ветеринарно-профилактиче-ских и лечебных препаратов, с учетом особенностей технологии отрасли.
Таким образом, своевременное выявление носителей возбудителей болезней северных оленей, их изоляция или санация, неспецифическая и специфическая профилактика и другие ветеринарно-санитарные и лечебно-профилактические мероприятия, позволяющие управлять эпизоотическим процессом, обязательны для выполнения, но реализация их в условиях Крайнего Севера сложна и, в ряде случаев, ограничена климатическими, экономическими, этническими, этологиче-скими и другими особенностями. Поэтому крайне важно разработать алгоритм (совокупность точно заданных решений, действий), позволяющий достигнуть заданного результата.
Цель представленных исследований - повышение эффективности противоэпизоо-тических мероприятий путем разработки и апробации экспресс-способа прогнозирования эпизоотологического надзора за инфекционными болезнями в оленеводческих стадах в Арктической зоне РФ.
Материалы и методы
Исследования проводились на территории Таймырского Долгано-Ненецкого муниципального района и Ямало-Ненецкого автономного округа. Для составления прогностических моделей использовали статистическую отчетность по инфекционным болезням животных за несколько лет, а также знания экспертов-оленеводов при выборе основных факторов, способствующих возникновению вспышек болезней.
Результаты исследований и обсуждение
Для составления прогностических моделей в условиях существенной неопределенности и отсутствия достоверной количественной информации о эпизоотическом
состоянии стад в оленеводческих хозяйствах использовали нечетко-возможностный подход, основанный на формализации экспертных знаний [1, 5].
В качестве факторного пространства выбраны шесть переменных, системно представляющих изучаемое явление. Дополнительно использовали статистическую отчетность санитарных надзорных органов по инфекционным болезням за несколько лет и мнения специалистов-практиков в области оленеводства.
Построение нечетко-возможностной модели предусматривает последовательным выполнением следующие этапы. На первом этапе проводится экспертный опрос компетентных органов и лиц с целью выбора факторного пространства и получения исходных данных об эпизоотической обстановке конкретной территории в вербальном формате YФ по характеристикам Табл. 1.
На следующем этапе проводится опрос работников непосредственно на каждой из исследуемых территорий хозяйствующих объектов и специалистов-практиков по всем переменным выбранного факторного пространства. Полученная таким образом двухуровневая информация является материалом для следующих исследований. На третьем этапе происходило построение нечетко-воз-можностной модели [сп] на основе явных и неявных экспертных знаний.
В результате содержательных бесед с высококвалифицированными специалистами
было сформировано факторное пространство для построения прогнозной модели из следующих входных переменных:
Х1 - уровень проведения общехозяйственных мероприятий, б/р;
Х2 - качество проведения специфической профилактики, б/р;
Х3 - уровень поголовья оленей в хозяйстве, б/р;
Х4 - степень вероятности отсутствия контактов с дикими животными, б/р;
Х5 - степень дополнительных благополучных факторов, связанных с климатическими изменениями, б/р;
Х6 - степень отсутствия урбанизирующих воздействий на территории, б/р;
Y - обобщенный показатель степени эпизоотического состояния обследуемой территории, б/р.
Особенностью выбранного факторного пространства является безразмерность всех переменных, что и определяет выбор применения нечетко-возможностного подхода, где используются как количественные, так и неколичественные (вербальные) явные и неявные экспертные знания [4].
Для всех переменных факторного пространства, поскольку они все безразмерные, применяли единое представление лингвистических переменных, представленное на Рис. 1.
Как следует из представления лингвистической переменной (Рис. 1), по оси абсцисс расположены три шкалы: верхняя шкала
Низкий
Ннжз среднего
Выше среднего
Н-НС
Средний НС-С Л С-ВС
Высокий
ВС-В
+1
0.2 0.5 0.8
Рис. 1. Представление знаний по составляющим факторного пространства в виде лингвистических переменных.
Таблица 1
Вербально-числовые отношения при оценивании Y - степени обобщенного показателя эпизоотического состояния обследуемой территории
Интервалы Моды интервалов Описательная характеристика
0,4 и ниже Низкая Н 0,3 Неустойчивое состояние с риском потери экологического благополучия свыше 20 %
0,3 - 0,5 Ниже средней НС 0,4 Экологическое благополучие территории с рисками потери 10-15 %
0,4 - 0,6 Средняя С 0,5 Средняя устойчивость состояния с риском экологического благополучия территории не более 10 %
0,5 - 0,7 Выше средней ВС 0,6 Экологическое благополучие территории с минимальными рисками
0,6 и выше Высокая В 0,7 Устойчивое состояние с отсутствием значимых рисков экологического благополучия территории
[Низкий, ..., Высокий] - для вербальных экспертных оценок, нижняя шкала [0,2, ..., 0,8] - для перевода вербальных значений в числовые и шкала [-1, +1] - для применения методов теории планирования экспериментов. По оси ординат - функция принадлежности оценок в интервале [0,1] для определения близости оценок к модальным значениям.
Оценивание эпизоотического состояния обследуемой территории проводится согласно разработанной вербально-числовой таблице 1, которая описательным характеристикам предписывает названия модальных интервалов и их числовые значения.
Графическим аналогом Табл. 1 является Рис. 1.
Реализация третьего этапа - построения аналитической модели - согласно принятой методике [Сп] составляется специальная опросная матрица, фрагмент которой вместе с оценками эксперта Yэ в вербальном и числовом вариантах вместе с расчетами по модели представлен в Табл. 2. Следует отметить, что для построения модели методами теории планирования экспериментов необходимы только крайние значения по всем переменным из интервала [+1, -1], как показано в опросной таблице 2.
Таблица 2
Фрагмент опросной матрицы с оценками эксперта и расчетными значениями по модели
Проведение общехозяйственных мероприятий Проведение специфической профилактики Поголовье оленей в хозяйстве Отсутствие контактов с дикими животными Дополнительные благополучные факторы Отсутствие урбанизирующих воздействий Обобщенный показатель эпизоотического состояния, Y
Х1 Х2 Х3 Х4 Х5 Х6 Yэ Y
1 -1 -1 Н 0,2 0,191
2 1 -1 1 НС 0,35 0,397
3 1 1 ВС 0,65 0,641
4 1 1 -1 ВС-В 0,725 0,716
29 -1 1 1 1 1 0,65 0,430
30 1 -1 1 1 1 -1 С 0,5 0,505
31 1 1 1 1 -1 ВС 0,65 0,692
32 1 1 1 1 1 1 В 0,8 0,805
Обработка полученных таким образом данных Табл. 2 методами теории планирования экспериментов позволила получить аналитическое выражение изучаемого явления в виде нелинейной полиномиальной модели:
Y = 0,53 + 0,059 х1 + 0,166 х2 + 0,04х3 + 0,021х + 0,021 х - 0,012 х х - 0,026 х х
' 4 7 6 7 1 2 7 25
-0,012 х2 х6 + 0,016 х4 х5, (1)
где все переменные представлены в стандартизованном масштабе по формуле х. = (Xi - 0,5) /0,3 , (2)
а х. - переменная факторного пространства, i = 1, ..., 6 - номер переменной.
Для вычисления обобщенного показателя степени эпизоотической обстановки исследуемой территории Y в полиномиальную модель (1) подставляют значения переменных х. также в стандартизованном масштабе по (2).
Полученные количественные значения Y переводят затем по вербально-числовой Таблице 1 или ее графическому представлению Рис. 1 в лингвистические оценки для сравнения их с установленными ранее на первом этапе вербальными значениями Yф.
По результатам сравнения делается окончательное обоснование степени эпизоотического состояния обследуемой территории в виде вербальной оценки от Н, НС, ... до В.
На предварительном этапе опроса экспертов компетентных органов оценивает-
ся (по Табл. 1) общее эпизоотическое состояние обследуемой территории Yф для последующего сравнения с расчетным Y по модели (1). С одной стороны, такие данные обладают достаточной степенью достоверности, а с другой - они необходимы для проверки правильности вычислений по модели предлагаемого способа прогнозирования эпизоотического состояния и надзора за инфекционными болезнями в оцениваемых территориях.
На этапе оценивания конкретных территорий данные получали, как указано выше, путем интервью от непосредственных представителей хозяйств и оленеводов по всем переменным факторного пространства как мнения профессионалов в вербальном виде и заносили эти мнения для последующих расчетов в специальную Таблицу 3.
Исходные вербальные сведения исследуемых территорий по каждой из переменных проходили предварительную проверку на достоверность источников и непротиворечивость, а затем только переводились в количественные данные по нижней шкале [0,2, ..., 0,8] оси абсцисс (Рис. 1).
Сформированные таким образом наборы сведений об эпизоотическом состоянии вносится в модель (1) и рассчитываются значения состояния для конкретного участка местности конкретного хозяйства или целого административного района.
Таблица 3
Результаты экспертного оценивания эпизоотического благополучия округов в целом Yф по факторному пространству, а также вычисленные значения Y по модели (1)
Хозяйства Х1 Х2 Х3 Х4 Х5 Х6 Y Y
№1 Таймырский МР (Хатангский НС-С НС-С ВС НС НС С 0,65 ВС ВС-В
р-н)
№2 Таймырский МР (Енисейский НС-С С НС-С ВС НС НС-С 0,66 ВС ВС
р-н)
Таймырский МР НС-С НС-С С С-ВС НС С 0,65 ВС ВС
№3 ЯНАО (Тазовский р-н) С С-ВС НС-С ВС НС НС-С 0,68 ВС В
№4 ЯНАО (Приуральский р-н) ВС ВС С В НС С 0,70 ВС-В ВС
ЯНАО С-ВС С-ВС НС ВС-В НС НС-С 0,68 ВС-В В
Продемонстрируем на примере апробацию предлагаемого экспресс-способа прогнозирования эпизоотологического надзора за инфекционными болезнями на примере бруцеллеза у северных оленей в оленеводческих стадах в Арктической зоне РФ.
Оценивалась степень эпизоотического благополучия оленеводческих хозяйств в Таймырском муниципальном районе и Ямало-Ненецком национальном округе и по округам в целом на конец 2020 г. Полученные сведения по факторному пространству приведены в Табл. 3.
Как следует из анализа Табл. 3, на конец 2020 г. заранее определенные компетентными экспертами оценки эпизоотического состояния районов округов в целом Yф не существенно отклоняются от вычисленных по модели значений Y, так как вербальные оценки различаются в некоторых случаях всего на половину шага по шкале Рис. 1. Это свидетельствует, во-первых, о высокой квалификации экспертов на этапе предварительного оценивания общей ситуации по всем исследуемым территориям ^ф) и, во-вторых, о высокой степени адекватности вычислительной по модели (1).
Наличие аналитической модели дает возможность проведения численного эксперимента по определению силы влияния отдельных переменных на зависимую переменную Y в присутствии воздействия всех остальных. Так, на Рис. 2 представлены графики поведения каждой из переменных при остальных, закрепленных на постоянном уровне.
Оценим влияния (Рис. 2) каждой из переменных на изменение эпизоотической обстановки на исследуемых территориях. Даже визуально можно оценить как превалирующую силу влияния переменной Х2 - качество проведения специфической профилактики независимо от сложившейся обстановки в хозяйствах. Так, даже при низком уровне хозяйства (Рис. 2а) только качественным проведением специфической профилактики можно повысить степень эпизоотического состояния до значения Y= 0,6, что по табл.1 соответствует экологическому благополучию территории с минимальными рисками. Остальные переменные вносят существенно меньший вклад в общую
Рис. 2. Графики изменения переменных при всех остальных, закрепленных на постоянных уровнях, когда территории находятся на допустимых уровнях: А - нижнем; Б - среднем.
вариацию У При среднем уровне состояния хозяйства (Рис. 2б) в рамках факторного пространства кроме Х2 существенным влиянием отмечаются уровень проведения общехозяйственных мероприятий (Х1) и уровень поголовья оленей в хозяйстве (Х3). Такие выводы для оленеводов не новы, новизной является количественная оценка влияния переменных на степень эпизоотического состояния территорий хозяйствующих субъектов.
Заключение
Предложен способ количественного экспресс-оценивания степени развития и прогнозирования эпизоотологической обстановки и надзора за инфекционными болезнями северных оленей в условиях существенной неопределенности и невозможности получения достоверной статистической информации. При этом сформировано факторное пространство из шести переменных, в котором учитываются наиболее информативные
факторы влияния при оценке эпизоотического состояния обследуемой территории. Уровень благополучия эпизоотической ситуации территории представляется как обобщенный показатель Y в виде нелинейной полиномиальной модели, включающий основные переменные, системно представляющие эпизоотическую обстановку конкретной территории обследуемой местности.
Внедрение вышеуказанного способа в оленеводческих хозяйствах Таймырского муниципального района позволит обеспечить эпизоотическое благополучие на всей территории. В первую очередь, это связано с тем, что, выделяя основополагающую роль специфической профилактики в обеспечении стойкого эпизоотического благополучия в оленеводческих стадах, мы с помощью математического аппарата доказываем необходимость дифференцированного подхода к применению ветери-нарно-профилактических мероприятий. В частности, при отсутствии контактов животных в стаде с другими хозяйствами или с дикими сородичами большее внимание следует уделить эпизоотологическому мониторингу (контроль за уровнем противо-бруцеллезных антител) и общехозяйственным мероприятиям; а в природных очагах
«оленьего» бруцеллеза - вакцинация обязательна.
Исследования по данной тематике проведены при частичной финансовой поддержке в рамках госбюджетной темы № 0073-2019-0004.
Список литературы
1. Игнатьев М. Б. Моделирование слабо формализованных систем на основе явных и неявных экспертных знаний / М. Б. Игнатьев, В. Е. Марлей, В. В. Михайлов, А. В. Спесивцев // СПб.: ПОЛИТЕХ-ПРЕСС, 2018. 501 с.
2. Лайшев К. А. Современные методы исследований и модели в северном оленеводстве / К. А. Лайшев, А. А. Южаков, Т. М. Романенко, Г. Ф. Деттер, С. М. Зуев // Салехард, 2019. 228 с.
3. Куликова Е. В. Современная стратегия обеспечения эпизоотического благополучия по бруцеллезу в северном оленеводстве / Е. В. Куликова, Л. Н. Горди-енко, А. Н. Новиков // Достижения науки и техники АПК, 2021. Т. 35. № 5. С. 49-54.
4. Прокудин А. В. Основы контроля эпизоотического процесса в условиях арктической зоны на примере полуострова Таймыр / А. В. Прокудин, К. А. Лайшев // 1ГтААРКТИКА-2018: Биологические ресурсы и рациональное природопользование Материалы IV Международной научно-практической конференции. 2018. С. 76-77.
5. Спесивцев А. В. Эксперт как «интеллектуальная измерительно-диагностическая система» / А. В. Спесивцев, Н. Г. Домшенко // Сб. докладов. XIII Международная конференция по мягким вычислениям и измерениям SCM 23-25 июля 2010, Санкт-Петербург. СПб.: Издательство СПбГЭТУ «ЛЭТИ», 2010. Т. 2. С. 28-34.
+JF ЧОУДПО «ИНСТИТУТ ВЕТЕРИНАРНОЙ БИОЛОГИИ»
г. Санкт-Петербург
Курсы повышения квалификации
• Ветеринарная эхокардиография (теория и практика)
• Лабораторная диагностика в ветеринарии
• Ветеринарная офтальмология
• Ветеринарная рентгенология, в т.ч. персонал группы А и ответственный за рентгенобезопасность
• Ультразвуковая диагностика в ветеринарии
• Ветеринарная фармация (для лицензирования ветеринарных аптек)
Предварительная регистрация обязательна! Справки по тел. (812) 612-13-34 или (812) 232-55-92 доб. 208 График проведения и информация на сайте: www.invetbio.spb.ru/seminars.html
Лицензия Комитета по образованию Санкт-Петербурга на осуществление образовательной деятельности по образовательным программам дополнительного профессионального образования № 1093 от 04.08.2014 г.
