CC BY
18Образцы сплава на основе меди при температуре 80 ± 5 °С в течение 24 часов очень незначительно меняли свои параметры и внешний вид. Образец из свинцового сплава оставался относительно устойчивым на протяжении 360 часов испытания на стойкость.
Образцы сплавов на основе алюминия полностью разрушались в период времени от 18 до 7 часов, в зависимости от температуры раствора кислоты.
Библиографические ссылки
1. Политехнический терминологический словарь [Электронный ресурс]. URL: http://technical_terminology. academic.ru/6321/%D1%85%D0%B8%D0%BC%D0%B 8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D 1 %8F (дата обращения: 10.10.2015).
2. Ахметов Н. С. Общая и неорганическая химия. М. : Высш. шк., 2005. 743 с.
3. Справочник стали и сплавов [Электронный ресурс]. URL: www.splav.kharkov.com (дата обращения: 10.10.2015).
4. Справочник химика [Электронный ресурс]. URL: http://chem21.info/info/1273906/ (дата обращения: 10.10.2015).
5. Справочник: важнейшие сплавы металлов [Электронный ресурс]. URL: http://www.alhimik.ru/ sprav/splav01.htm (дата обращения: 10.10.2015).
References
1. Polytechnicheskiy terminologicheskiy slovar [Electronic resourse]. URL: http://technical_terminology. academic.ru/6321/%D1%85%D0%B8%D0%BC%D0%B 8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D 1 %8F (date of visit: 10.10.2015).
2. Akhmetov N. S. Obcshaya i neorganicheskaya khimiya. Moskva, 2005. 743 s.
3. Spravochnik staly i splavov [Electronic resourse]. URL: www.splav.kharkov.com (date of visit: 10.10.2015).
4. Spravochnik khimika [Electronic resourse]. URL: http://chem21.info/info/1273906/ (date of visit: 10.10.2015).
5. Spravochnik: vazhneyshie splavy metallov [Electronic resourse]. URL: http://www.alhimik.ru/sprav/ splav01.htm (date of visit: 10.10.2015).
© Миронова В. А., Чижевская М. В., 2015
УДК 338.246
ОЦЕНКА СОЦИАЛЬНО-ЭКОЛОГИЧЕСКОГО РИСКА НА ОСНОВЕ ЭВОЛЮЦИОННОГО ПОДХОДА С ПОМОЩЬЮ КОЛЛЕКТИВОВ НЕЙРОННЫХ СЕТЕЙ*
В. С. Сызганов, 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: [email protected]
Рассматривается подход использования коллективов нейронных сетей для оценки социально-экологического риска антропогенного нагруженной территории на основе эволюционного подхода с помощью коллективов нейронных сетей.
Ключевые слова: коллективы нейронных сетей, социально-экологический риск, эволюционный подход.
AN ASSESMENT OF THE SOCIO-ECOLOGICAL RISK ON THE BASIS OF EVOLUTIONARY APPROACH USING NEURAL NETWORK GROUPS
V. S. Syzganov, E. V. Sugak
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: [email protected]
The paper considers the approach to use neural network groups for estimating the socio-ecological risk of anthropogenic loaded areas on the basis of an evolutionary approach using ensembles of neural network groups.
Keywords: ensembles of neural network groups, socio-ecological risk, evolutionary approach.
Последние несколько лет, несмотря на сложность социально-экономической и политической обстановки, а может быть и благодаря ей, отмечена активность в разных отраслях науки, направленной на понимание управления риском.
Большой интерес представляет направление современных исследований, связанных с изучением предмета анализа рисков. Нынешний этап развития анализа риска, который представляется как новый этап, сравнивается в литературе с предшествующим
* Работа выполняется при поддержке Российского фонда фундаментальных исследований (проект 14-06-00256).
Решетнеескцие чтения. 2015
этапом в терминологии постсовременного и традиционного анализа риска. Традиционный анализ риска обычно сводится к оценке вероятности событий и величины последствий и выражается математическими средствами. В отличие от него существует другой, более широкий анализ, учитывающий социальный контекст происходящих событий возникающего риска и его последствий, который называется постсовременным анализом риска [1].
Стоит отметить, что развитие системы оценки риска для здоровья населения является крайне актуальной задачей для крупных промышленных центров. Одним из направлений совершенствования методических подходов к оценке риска здоровью предложено использование эволюционного моделирования [2]. Основной смысл метода эволюционного моделирования заключается в оценке индивидуального риска и в меньшей степени оценке популяционных рисков, наиболее востребованной в задачах управления рисками. В связи с этим актуальной задачей является разработка и внедрение методических подходов к оценке популяционных показателей риска здоровью.
Основное достоинство использования эволюционных моделей для оценки риска - возможность прогнозирования накопления риска негативных эффектов в виде нарушений функций органов и систем организма, связанных с экспозицией факторов среды обитания [3]:
( \
к+1 = к +
с,
(1)
где К
риск нарушения /-й системы организма
в момент времени / +1; Я/ - риск нарушения /-й системы организма в момент времени /; <х/ - коэффициент, учитывающий эволюцию риска за счет естественных причин; С - временной эмпирический коэффициент, зависящий от периода осреднения.
Рекуррентные уравнения позволяют выполнять оценку риска нарушений функций органов и систем организма при различных сценариях экспозиции факторов обитания.
Сценарий эволюции риска нарушений функций органов и систем организма с возрастом без воздействия факторов среды обитания используется для расчета фонового риска. Одновременно рассчитывается изменение риска в течение заданного периода под
воздействием факторов риска. Разница между расчетным риском при воздействии исследуемых факторов и фоновым является дополнительным индивидуальным риском (2):
АЯ/ = Я/ - Я//ф, (2)
где АЯ/ - дополнительный риск нарушения /-й системы органов в возрасте /; Я/ - риск нарушения /-й системы органов в возрасте / с учетом факторов среды обитания; Я//ф - риск нарушения / -й системы органов
в возрасте / с учетом факторов среды обитания.
Оценка индивидуального риска производится по разработанной шкале, позволяющей характеризовать и распределять риски по категориям: от приемлемого до очень высокого. Для популяционных оценок важно определить не только категорию риска, но и количество дополнительных случаев заболеваний и смертей среди населения, характеризующих риск в условиях заданной экспозиции разнородных факторов среды обитания и образа жизни.
Для сопоставления риска по отдельным нозологическим формам вводится понятие тяжести заболевания, которое выступает в качестве весового коэффициента, нормированного от 0 до 1. Так, например, тяжесть ОРВИ оценивается как 0,1, неинфекционный гастроэнтерит и колит - 0,35, стенокардия - 0,70, злокачественное новообразование головного мозга - 0,95.
В последние время наблюдается тенденция в задачах моделирования и прогнозирования использовать несколько интеллектуальных информационных систем для решения конкретной прикладной задачи. Одним из способов является совместное параллельное использование нескольких интеллектуальных технологий для выработки общего решения задачи. Примером такого объединения может служить коллектив искусственных нейронных сетей [4] (см. рисунок).
В общем случае проектирование коллектива нейронных сетей включает в себя два этапа:
1. Первый этап заключается в формировании структуры и обучении отдельных нейронных сетей.
2. Второй этап включает в себя отбор тех нейронных сетей, которые будут использованы при формировании общего решения коллектива и определении способа и параметров для эффективного расчета общего коллективного решения на основе решений отдельных нейронных сетей.
Схема использования коллективов нейронных сетей
В работе [5] рассмотрено практическое применение нейроэволюционных алгоритмов и коллективов методов интеллектуального анализа данных для решения задачи прогнозирования экологического состояния города.
Библиографические ссылки
1. Социально-экологический риск: концепция, методология анализа, практика управления : сб. ст. М. : Экономика и информатика, 1998. 192 с.
2. МР 2.1.10.0062-12. Количественная оценка неканцерогенного риска при воздействии химических веществ на основе построения эволюционных моделей. М. : Центр гигиены и эпидемиологии Роспотреб-надзора, 2012. 36 с.
3. Математическая модель эволюции функциональных нарушений в организме человека с учетом внешнесредовых факторов [Электронный ресурс] / П. В. Трусов [и др.] // Математическое моделирование и биоинформатика. 2012. № 2. С. 589-610. URL: http ://www. matbio. org/2012/Trusov_7_589.pdf (дата обращения: 27.08.2015).
4. Бухтояров В. В. Эволюционные алгоритмы формирования коллективов нейронных сетей для решения задач моделирования и прогнозирования : дис. ... канд. техн. наук. Красноярск, 2010. 168 с.
5. Хритоненко Д. И., Семенкин Е. С., Сугак Е. В., Потылицына Е. Н. Решение задачи прогнозирования экологического состояния города нейроэволюцион-ными алгоритмами // Вестник СибГАУ. 2015. Т. 16, № 1. С. 137-142.
References
1. [Socio-environmental risk: concept, methodology, analysis, and practice management]. Publishing house of Economics and computer science in Moscow. 1998. Pp. 192 (In Russ.).
2. [Quantification of non-cancer risk during an expose of chemicals on the basis of evolutionary models]. M. : Hygiene and Epidemiology Center of Rospotrebnadzor. 2012. Pp. 36 (In Russ.).
3. Trusov P. V., Zaitseva N. In., Kiryanov D. A., Kamaletdinov M. R., Tsinker, M. Yu. etc. [A mathematical model of the evolution of functional disorders in the human body taking into account some external factors] // Mathematical modeling and bioinformatics. 2012. No. 2. Pp. 589-610 (In Russ.). Available at: http://www.matbio.org/2012/Trusov_7_589. pdf (accessed: 27.08.2015).
4. Bukhtoyarov V. V. Evolutionary algorithms for generating neural network groups for solving problems of modeling and forecasting. Krasnoyarsk, 2010. 168 p.
5. Khritonenko D. I., Semenkin E. S., Sugak E. V., Porilitsina E. N. Solving the problem of city ecology forecasting with neouro-evolutionaty algorithms // Vestnik SibGAU. 2015. Vol. 16, no. 1, pp. 137-142.
© Сызганов В. С., Сугак E. В., 2Ö15
УДК 504.75.05
ПРОГНОЗ СМЕРТНОСТИ НАСЕЛЕНИЯ Г. КРАСНОЯРСКА В УСЛОВИЯХ ПОВЫШЕННЫХ ТЕМПЕРАТУР С УЧЕТОМ КАЧЕСТВА АТМОСФЕРНОГО ВОЗДУХА*
О. В. Тасейко, Е. Н. Бельская, 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: [email protected]
Анализируется зависимость смертности населения от климатических изменений и уровня загрязнений атмосферного воздуха с использованием пуассоновской регрессионной модели.
Ключевые слова: анализ рисков, климат, мониторинг состояния окружающей среды, смертность, моделирование.
FORECAST OF THE POPULATION MORTALITY OF KRASNOYARSK UNDER THE CONDITIONS OF THE INCREASED TEMPERATURES TAKING INTO ACCOUNT QUALITY OF ATMOSPHERIC AIR
O. V. Taseiko, E. N. Belskaya, E. V. Sugak
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: [email protected]
*
Публикация подготовлена в рамках поддержанного РГНФ научного проекта № 14-16-24öö1.
31l
