МОДЕЛЬ СТАТИСТИЧЕСКОГО И АВТОКОРРЕЛЯЦИОННОГО АНАЛИЗА И ЭКОНОМИЧЕСКАЯ МОДЕЛЬ ВАРИАБЕЛЬНОСТИ КАРДИОПЕРИОДОВ, ПРИМЕНЯЕМАЯ ПРИ ОРТОСТАТИЧЕСКОЙ ПРОБЕ В УСЛОВИЯХ ИЗМЕНЯЮЩЕГОСЯ КЛИМАТА У РАЗНЫХ ЭТНОСОВ В СИСТЕМЕ ЧЕЛОВЕК-МАШИНА Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 386/387/388, 301.1, 331.82, 576, 534, 858 DOI 10.52375/20728689_2022_2_68

модель статистического и автокорреляционного анализа и экономическая модель вариабельности кардиопериодов, применяемая при ортостатической пробе в условиях изменяющегося климата у разных этносов в системе человек-

машина

микита Г.и., к.т.н., доцент ФГБОУ ВО «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)» (МГТУ им. Н.Э. Баумана), e-mail: gim_2018@bk.ru Щиголь Б.и., ассистент РУДН, e-mail: schigol1992@gmail.com

Актуальность темы.

Авторы разработали математическую и экономическую модель искусственного интеллекта вариабельности. Модель применяется при ортостатической пробе операторов в системе человек-машина. Авторы проводили исследования в условиях изменяющегося климата. Авторы исследовали представителей разных этносов моряков. Методы исследований.

Вариабельный, матстатистики, спектрального анализа, кибернетический, искусственного интеллекта, физилогические. Научная новизна работы заключается в создании математической супермодели для искусственного интеллекта, работающего для условий изменяющегося климата по данным кардиоинтервалов ортостатической пробы разных этносов. Практическая значимость.

Разработанная модель позволила за оптимальное время обработать множество показателей вариабельности в режиме применения искусственного интеллекта, который сам проводит обработку данных, анализ данных, выдает результат. Результаты исследований.

Были проведены исследования на группах разных этносов и выявлены отличия в показателях вариабельности для них. Экономическая модель.

Разработанная экономическая модель показала экономическую эффективность при применении вариабельных методов для выявления физиологического состояния моряков.

ключевые слова: математическая и экономическая модель, искусственный интеллект, вариабельность, климат, этнос.

MODEL OF STATISTICAL AND AUTOCORRELATION ANALYSIS AND ECONOMIC MODEL OF CARDIAC PERIOD VARIABILITY USED IN ORTHOSTATIC TEST UNDER CHANGING CLIMATE IN DIFFERENT ETHNOIS IN THE MAN-MACHINE SYSTEM

Mikita G., Ph.D., assistant professor, FSBEIHE «Moscow State Technical University named after Bauman», e-mail: gim_2018@bk.ru,

schigol В., assistant, RUDN, e-mail: schigol1992@gmail.com

Relevance of the topic.

The authors have developed a mathematical and economic model ofartificial intelligence of variability. The model is used for orthostatic testing of operators in the man-machine system. The authors conducted research in a changing climate. The authors studied representatives of different ethnic groups of sailors. Research methods.

Variable, mathematical statistics, spectral analysis, cybernetic, artificial intelligence, physiological.

The scientific novelty of the work lies in the creation of a mathematical supermodel for artificial intelligence, working for a changing climate according to the cardio intervals of the orthostatic test of different ethnic groups. Practical significance.

The developed model made it possible to process many indicators of variability in the optimal time in the mode of using artificial intelligence, which itself processes the data, analyzes the data, and gives the result. Research results.

Studies were conducted on groups of different ethnic groups and differences were found in the variability indicators for them. Economic model.

The developed economic model has shown economic efficiency when using variable methods to identify the physiological state of seafarers. Keywords: mathematical and economic model, artificial intelligence, variability, climate, ethnos

Введение.

Условия изменяющегося климата требуют новых подходов в моделях искусственного интеллекта. Модели должны предоставлять возможность на уровне искусственного интеллекта осуществлять обработку данных ортостатической пробы у разных этносов операторов в системе человек-машина - были исследованы следующие группы:

Россияне (461 человек, мужчины в возрасте 18-27 лет);

Иранцы (163 человека, мужчины в возрасте 18-27 лет;

Китайцы (142 человека, мужчины в возрасте 18-27 лет;

другие этносы.

Анализ предшествующих работ

Ранее были проведены исследования по влиянию на физиологические показатели различных вирусов [1-4].

Также были исследованы влияния постоянных и переменных магнитных полей на показатели вариабельности [6].

В работах [7, 8, 11] отражены результаты исследований по созданию комплекса, выполняющего санитарные мероприятия в среде распространения вирусов, и как следствие улучшающего показатели вариабельности у операторов в системе человек-машина.

Работы [5, 11] посвящены разработке экономической модели определения эффективности работы объектов.

Работы [9, 10, 12] посвящены исследованию нейронных физиологических сетей оператора в системе человек-машина.

Таким образом, была создана хорошая научная основа для дальнейшего совершенствования темы физиологической вариабельности операторов в системе человек-машина с учетом климатических факторов и энических особенностей.

Материалы и методы.

Математическая модель состоит из нескольких блоков, основой которых является усредненный сердечный ритм, который определяется как:

Ж=(УНШ={1,...,к})/к, уд./мин. (1)

где к - количество измерений числа сердечных сокращений (ЧСС), определяемое согласно теории вероятности, с учетом плотности распределения кардиоинтервалов, чтобы достоверность была 0,999 (рис.1) НК приходится на рис.1 по оси ординат на Р=1.

Рис.1.

Усредненная плотность вероятности кардиинтервалов у группы венгров в покое. По оси абсцисс - кардиоинтервалы, Т, мс. По оси ординат - вероятность, Р.

График плотности вероятности кардиоинтервалов (КИ) позволяет визуализировать работу симпатического (СО) и парасимпатического (ПО) отделов вегетативной нервной системы (ВНС).

По этому графику выявляется наличие или отсутствие травм, а также тенденция к брадикардии или тахикардии. Регуляция сердечного ритма происходит через клетки, задающие ритм. Они находятся в синусном узле на стенке правого предсердия. Две стороны сердца разделены физически, но сокращаются одновременно. Кровь поступает из правой стороны сердца в легкие. Она насыщается кислородом в легких и возвращается в левую сторону сердца. Она поступает далее в аорту и распространяется по всему организму. Когда сердце сокращается, то это называется систолой. Когда оно расслабляется, то это называется диастолой.

Задающие ритм клетки инициируют сокращение сердца в определенном ритме.

Эта группа клеток находится в синусно-предсердном узле.

Он расположен в верхней правой камере сердца. Его называю водителем ритма.

Эти клетки генерируют электрические импульсы, передаваемые остальным клеткам по специализированным проводящим каналам: сначала к предсердно-желудочковому узлу, который находится в месте примыкания правого предсердия и желудочков; затем к стенкам желудочков.

Последовательность таков для передачи электрических сигналов: они достигают верхних камер, а потом желудочков.

Сердце выполняет роль насоса. Это осуществляется неодновременностью моментов возбуждения. Сердце перестает биться ровно при нарушении последовательности возбуждения. Оно теряет способность перекачивать кровь.

Среднее число сердечных сокращений составляет в спокойном состоянии 70 ударов в минуту. Число сердечных сокращений составляет у спортсменов в состоянии покоя нередко 40 ударов в минуту. Число сердечных сокращений составляет у младенцев 130-150 ударов в минуту. Число сердечных сокращений меняется в зависимости от размера тела.

Для сравнения рассмотрим график усредненной плотности вероятности кардиоинтервалов для группы арабов из Йемена (рис.2).

Рис.2.

Усредненная плотность вероятности кардиинтервалов у группы арабов из Йемена в покое. По оси абсцисс - кардиоинтервалы, Т, мс. По оси ординат - вероятность, Р.

Сравнивая эти два графика Р(Т) можно отметить, что для группы венгров усредненное Т больше, чем для группы арабов: смещение составляет примерно 120 мс., т.е. склонность к тахикардии у группы арабов больше, чем у группы венгров.

Важным блоком модели является статистический и автокорреляционный анализ, в который входят 25 показателей (см. Табл.1, для

группы венгров в покое).

Таблица 1. Статистический и автокорреляционный анализ.

1. 1 1 1

Matem.waiting for the number of heartbeats (HR)

Матем.ожидание числа сердечных сокращений (ЧСС)

HR=Z4CC/n

Регуляция сердечного ритма

СЕРД.РИТМ отн.ед.

<55 <0 БРАДИКАРЖИЯ

55-80 0-1 НОРМИРУЮЩЕЕ ЗНАЧЕНИЕ

>80 >1 ТАХИКАРДИЯ

HR уд./мин.

0,935 74

о.е.

2.

The duration of the interval NN with max probability of occurrence

Продолжительность интервала NN с мах вероятностью появления

Meana"f[Pmax(tmax)]

средний уровень функционирования системы кровообращения

СИСТ.КРОВООБРАЩ.

Mean мс.

0,848 785,526

3.

The maximum value of the NN interval

максимальное значение NN интервала

Xmax=Tmax

Вегетативный гомеостаз

Xmax Mx мс.

0,998 1000

4.

Minimum value of NN interval

минимальное значение NN интервала

Xmn=Tmin

СИМПАТИЧЕСКИЙ ОТДЕЛ (СО)

СИМПАТ. СО

Xmin Mn мс.

0,929 723

5.

The degree of variability of the values of NN intervals

Степень вариативности значений NN интервалов

MxDMn=Mx-Mn

Вариационный размах

активность парасимпатического отдела ВНС

состояние подкорковых нервных центров

ПАРАСИМ.

ПО

ПОДКОР.Н.Ц.

MxDMn мс.

0,850 277

6.

Relative range of regulatory influences

относительный диапазон регуляторных влияний

MxRMn=Mx/Mn

MxRMn -

0,898

7.

The standard difference value

Среднеквадратическое разностное значение

RMSSDa"SQR[ZTA2/n]

активность парасимпатического отдела ВНС

активность автонономного контура регуляции

ПО;АВТ. КОНТУР РЕГУЛЯЦИИ

RMSSD мс.

0,923 28,6

8.

Number of cardiac signals in % (NN i+1-NN i)>50 ms

число кардиосигналов в % (NN_i+1-NN_i)>50 мс

pNN50=[ZT>50/(n-1)]*100

[показатель степени (относительного значения) парасимпатического отдела)]

ПО

pNN50 %

0,729 29,0

9.

Variability

вариабельность

SDNN=HVR=SQR[^tA2/(n-1)]

суммарный эффект вегетативной регуляции

ВЕГЕТАТ.РЕГУЛЯЦИЯ онт.ед.

<30 ms. <0 УСТАЛОСТЬ

30-100 ms. 0-1 НОРМИРУЕМОЕ ЗНАЧЕНИЕ

>100 ms. >1 ПЕРЕНАПРЯЖЕНИЕ

SDNN HRV мс.

0,765 77

10.

Coefficient of variation

коэффициент вариаций

CV=SDNN/[[Zt/(n-1)]*100

нормированный показатель суммарного эффекта регуляции

РЕГУЛЯЦИЯ

CV %

0,755 9,1

11.

12.

The area of the density of the intervals NN

Площадь плотности интервалов NN

D=yAtA2

активация симпатического отдела ВНС

СО: АКТИВАЦИЯ

D мсл2 мс.

0,782 106,080 13,472

13.

Mode

мода

Mo=Moda{Ti}

уровень функционирования ССС серд-сосуд- системы

ССС: УРОВЕНЬ

Mo мс.

-0,932 789

14.

Mode amplitude

Амплитуда моды

по SDNN

AMo_SDNN=tgU*SDNN[s.]*SDNN[ms.]*100%

условный показатель активности симпатического отдела регуляции

СО РЕГУЛЯЦИЯ

AMosDNN,%/sDNN

мс.

-0,299 4,182

онт.ед.

16.

Mode amplitude

Амплитуда моды

по pNN50

AMo 50a"tgU*pNN*100%

степень активации симпатического отдела ВНС

СО АКТИВАЦИЯ

AMo50,%/50 мс.

мс. Бел

0,992 35,714 1,553

17.

18.

Mode amplitude

амплитуда моды

по 7,8

AM 7,8a"enr*dNN'*100%

стабилизирующий эффект централизации управления ритмом сердца

УПР.РИТМОМ СЕР.

AMo7.8,%/7.8 мс.

мс. бел

0,506 5,571 0,746

19.

cc1

CC1a"R 01=[m*Sigma i=1 m (x i*x i+1)-Sigma i=1 m (x i)*Sigma i=1 m(x i+k)]/SQR[m*Sigma i=1 m (x i)*(x i)-(Sigma i=1 m x i)*(Sigma i=1 m x i]*[m*Sigma i=k+1 m+k (x i)*(x i)-(Sigma i=k+1 m+k (x i)*(Sigma i=k+1 m+k (x i)]

k=0, 1, ..., m-1

m=N/2

Autocorrelation function

Автокорреляционная функция

количество шагов смещения

степень активности автономного контура регуляции

Степень вариативности значений NN интервалов

АВТОН.КОНТУР РЕГ: АКТИВНОСТЬ.

cc1 -

-0,133

номер шага смещения

20.

21.

cc0

The number of shifts lo 1 zero value

число сдвигов ло 1 нулевого значения

СС0=Коррел.[Е{й}]

степень влияния центрального контура управления на автономный

СТ.ВЛ.ЦЕНТР.НА АВТ. КОНТУР

cc0

- бел

0,750 9,000 -0,125

22.

Number of arrhythmias

число аритмий

Narra"Na

АРИТМИИ

Narr %

0,000

23.

24.

Stress index

Стресс-индекс

SI=[AMo(%/0,05 c)]/[2*Mo(c)*MxDMn(c)]

индекс напряжения регуляторных систем

ИНД.НАПРЯЖ.РЕГ. СИСТЕМ

si - Бел

0,544 81,625 1,912

25.

Right modular deviation of NN intervals

Правое модульное отклонение NN интервалов

RMoDNN=Moda.NCKOTi}

Характеризует влияния парасимпатического отдела

ПО: ВЛИЯНИЕ

RMoDNN мс.

0,000 0,000

Практическая значимость.

Разработанная модель позволила за оптимальное время обработать множество показателей вариабельности в режиме применения искусственного интеллекта, который сам проводит обработку данных, анализ данных, выдает результат.

Результаты исследований.

Были проведены исследования на группах разных этносов и выявлены отличия в показателях вариабельности для них.

Экономическая модель.

Разработанная экономическая модель показала экономическую эффективность при применении вариабельных методов для выявления физиологического состояния моряков.

Экономическая модель.

10 уровней ПАРС (IARS) поделены на 5 физиологических состояний (фс): 1фс - 1,2 уровни; 2фс - 3,4 уровни; 3фс - 5,6 уровни; 4фс - 7,8 уровни; 5фс - 9,10 уровни.

В соответствии с 5 состояниями определяется размерный множитель, значения которого приведены в таблице 2.

Таблица 2. Размерный множитель, руб./(чел.*год).

№ a b.

1 260 512

2 320 636

3 406 850

4 516 1174

5 660 1660

где а. - размерный множитель при при 1-2-3 фс.; b. - размерный множитель при 4 фс.

c=5000000, руб./(чел.*год) - размерный множитель при 5 фс . Экономическая оценка ущерба определится как: UC=UC1+UC2+UC3 , тыс.руб./год (Э1)

где UC1=Z(a*n1), тыс.руб./год - убытки при 3 ф^ где n1 - число моряков с 3 фс, ; UC2=Z(bi*n2), тыс.руб./год - убытки при 4 фс; где n2 - число моряков с 4 фс; U^Z^*^), тыс.руб./год - убытки при 5 фс; где n3 - число моряков с 5 фс.

UC1=^(ai*n1)= 260*26+320*26+406*26+516*26+660*26=56212=56,212 тыс.руб./год UC2=Z(bi*n2)= 512*497+636*497+850*497+1174*497+1660*497=2399571=2399,571 тыс.руб./год UC3=Z(с*n3)=5000000*7=35000000=35000 тыс.руб./год UC=UC1+UC2+UC3=56,212 + 2399,571 + 35000 =37455,78 тыс.руб./год Нормативное значение эффективности капитальных вложений определится как:

kE = 1/TN

где Тп=8,3, года - нормативный экономический срок окупаемости капитальных вложений в санмероприятия тогда, kE=1/TN=1/8,3=0,12, год-1

Фактическая экономическая эффективность капитальных вложений в санмероприятия определится как:

Tf=K/(R-C), год

где капитальные вложения, тыс.руб.: K=Pk*N=1*4061=4061, тыс.руб. Pk=1, тыс.руб./чел. - затраты на 1 чел. N=4061, чел. - общее число чел. на судне. R=UC-Up - экономический результат от санмер, тыс.руб./год; Экономическая оценка ущерба при применении санмер, тыс.руб./год.

(Э2)

(Э3)

U =kU *Uc , где коэффициент kU =0,5 ^=1^*^=0,5*37455,78 = 18727,9, тыс.руб. Эксплуатационные расходы, тыс.руб./год C=kc*Pk*N, где коэффициент kc=0,01 C=kC*Pk=0,01*1*4061=40,61, тыс.руб./год Экономический результат от санмер: R=UC-Up=37455,78-18727,9=18727,9, тыс.руб./год.

Фактическая экономическая эффективность капитальных вложений в санмероприятия: Tf=K/(R-C)= 4061/(18727,9-40,61)=0,217, года. Экономические саемероприятия оправданы, если

TF<TN (Э4)

0.217.8.3

Экономический эффект определится как:

E=R-Z, тыс.руб./год (Э5)

где Z=C+ke*K, тыс.руб./год - (Э6)

приведенные затраты;

Z=C+ke*K=40,61+0.12*4061=527,93, тыс.руб./год. Экономический эффект: E=R-Z=18727,9-527,93=18199,96, тыс.руб./год.

Заключение.

Разработанная математическая модель искусственного интеллекта позволила обработать множество данных от разных представителей этносов в режиме экспресс-функций, что позволило сократить время обработки данных.

литература.

1. Микита Г.И. Исследование резонансных частот форм вируса гриппа типа А штаммов H5 и H7 - птичьего гриппа. /Материалы международной научно-практической конференции "Роль мелиорации в обеспечении продовольственной и экологической безопасности, ч.2. - М. МГУП, 2009, с. 270-272.

2. Микита Г.И. Модель природно-техногенного комплекса против вируса типа А. /Материалы международной научно-практической конференции "Роль мелиорации в обеспечении продовольственной и экологической безопасности, ч.2. - М. МГУП, 2009, с. 272-276.

3. Микита Г.И. Исследование структуры и формы вируса типа А штаммов птичьего гриппа. //Аграрная наука, 2009, 9, с.29-30.

4. Микита Г.И. Исследование структуры и формы вируса гриппа типа А штаммов H5 и H7 - птичьего гриппа. //Вестник РУДН, серия Экология и безопасность жизнедеятельности, 2001, №1, с. 17-18.

5. Микита Г.И. Кибернетичесий способ управления экономикой. //Транспортное дело России. 2011. №3. С.22-25.

6. Mikita G. Study of Vegetative Reactions of Egyptian and Ugro-Finnic Ethnic Groups under the Influence of Alternating Magnetic Field Effects and Different Climatic and Geographical Conditions //International Journal of Psychosocial Rehabilitation. - London: HPA, 2020, v.24, r. 3, с. 3226-3256. ISSN:1475-7192, DOI: 10.37200/IJPR/V24I3/PR2020348

7. Микита Г.И. Применение САПР в учебном процессе при конструкторском проектировании электронных средств. //Сборник научных трудов IV Международной научно-практической конференции "САПР и моделирование в современной электронике-2020" - БГТУ Брянск, 2020. C.397-398.

8. Микита Г.И. Моделирование электронных систем с применением САПР в учебном процессе для бакалавриатского курса КПЭС. // Сборник научных трудов IV Международной научно-практической конференции "САПР и моделирование в современной электронике-2020" - БГТУ. Брянск, 2020. C. 399-400.

9. Микита Г.И., Щиголь Б.И., Морозов С.В., Морозов А.С. Корреляционные it-исследования нейронной системы человека-оператора в системе человек-машина при ортостатических пробах. / МГУ им. А.В. Ломоносова. FIT-M 2020. Онлайн Международный научный конгресс. 17-19 декабря 2020 г.

10. Mikita G.I., Shchigol B.I., Morozov S.V., Morozov A.S. Correlation it studies of the himan-operator neural system in human-machine system with jrthostatic tests. / FIT-M 2020. Lomonosov MSU, Платформа WS

11. Микита Г.И. Технико-экономическое обоснование для применения судового амплитудно-частотного антиковидного локализаторного комплекса (АЧАЛК-20) для человека0оператора в системе человек-машина. // Транспортное дело России, №5 (150), 2020, с.139-143.

12. Микита Г.И. Нейрофизиологические модели нейронных сетей. //Нейрокомпьютеры. Разработка. Применение. Т.23, №1, 2021. С.81-91.