CC BY
9
УДК 556:519. 86
М.А. ВОРОНЕНКО, Г.С. АБРАМОВ
Херсонский национальный технический университет
РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ АВТОМАТИЗАЦИИ ПРОЦЕССОВ АНАЛИЗА САНИТАРНО-ЭПИДЕМИЧЕСКОГО СОСТОЯНИЯ
РЕГИОНА
В статье рассматриваются модели и программное обеспечение для автоматизации анализа санитарно-эпидемического состояния в системе поддержки принятия решений при управлении санитарно-эпидемической обстановкой в регионе.
Ключевые слова: система поддержки принятия решений, модель, алгоритм, молекулярная термо- и бародиффузия, номограмма.
М.О. ВОРОНЕНКО, Г.С. АБРАМОВ
Херсонський нацюнальний техшчний ушверситет
РОЗРОБКА ПРОГРАМНОГО ЗАБЕЗПЕЧЕНИЯ ДЛЯ АВТОМАТИЗАЦП ПРОЦЕС1В АНАЛИЗУ САШТАРНО-ЕЩДЕМ1ЧНОГО СТАНУ РЕГ1ОНУ
В статтi розглянуто моделi та програмне забезпечення для автоматизацИ анализу сантарно-епiдемiчного стану в системi пiдтримки прийняття ршень при управлiннi санiтарно-епiдемiчною ситуащею в регiонi..
Ключевые слова: система пiдтримки прийняття ршень, модель, алгоритм, молекулярна термо- i бародифузiя, номограма.
M.O. VORONENKO, G.S. ABRAMOV
Kherson National Technical University
SOFTWARE DEVELOPMENT FOR THE AUTOMATION OF THE ANALYSIS PROCESS OF THE SANITARY-EPIDEMIC STATE OF THE REGION
This article considers models and software for the automation of the analysis of the sanitary-epidemic state of the region in the decision making support system for the handling of the sanitary-epidemic state of the region.
Keywords: decision making support system, model, algorithm, molecular thermo- and barodiffusion, nomogram.
Постановка проблемы
Необходимость оценки санитарного и эпидемического состояния региона, разработки мероприятий по уменьшению негативного влияния окружающего среды на здоровье человека, прогнозирование и оперативное управление санитарно-эпидемической ситуацией как в обычных условиях, так и в кризисный период вызывает потребность создания системы управления, которая позволяет решать перечисленные задачи и тем самым обеспечивать безопасность жизнедеятельности региона [1].
Анализ публикаций
Поиск приведения процессов и систем в оптимальное состояние всегда был актуальной задачей и имеет достаточно хорошо разработанные решения для технических систем. В экологических системах и при решении задач по ликвидации чрезвычайных ситуаций санитарно-эпидемического характера, такие решения находить гораздо труднее в связи с тем, что количественные модели, их описывающие, либо отсутствуют, либо чрезвычайно громоздки. Поэтому актуальной является задача разработки и упрощения таких моделей с целью их практического использования в системах поддержки принятия решений. Одной из самых обстоятельных работ, рассматривающих модели оптимизации экологических сред, является трехтомная монография украинских ученых Л.Н. Горева, С.И. Дорогунцова и М.А. Хвесика [4]. Модели и алгоритмы, приведенные в этой монографии, в нашей работе стали основой для имитационных вычислительных экспериментов и построения регрессионных моделей и номограмм, пригодных для практического использования.
Целью работы является разработка программного обеспечения для автоматизации анализа санитарно-эпидемического состояния и системы поддержки принятия решений при управлении санитарно-эпидемической ситуацией в регионе
Основная часть
Проведя анализ санитарно-эпидемической обстановки в регионе с позиций теории управления, можно предложить обобщенную схему процесса управления санитарно-эпидемическим состоянием [2] в регионе (рис.1.). Представленная работа по созданию программного обеспечения в системе поддержки принятия решений является шагом на пути к реализации выше упомянутой системы [3].
Внешние факторы
Рис.1. Обобщенная схема процесса управления санитарно-эпидемическим состоянием в регионе
В представленной работе произведен выбор моделей соответствующих процессов [4] и разработано программное обеспечение, которое автоматизирует следующие основные процессы: расчеты распределения медицинских специалистов, расчеты распределения медицинских ресурсов, расчеты параметров диффузии или осмоса в грунте, расчеты прогнозирования качества воды.
В результате определены функциональные модули и разработан алгоритм решения задач. В частности алгоритм процессов молекулярной, термо- и бародиффузии в сплошной и пористой средах записывается следующим образом [4]:
X
2
С1 < С2<т <т ;т = т при N = N ;0 < х < х1
4пВ
Х1
24 Втп
X,
С1 + С2 ехр
X
2
V 4Вт
= С ;
2л/В
тп
С1 ехр
'.кхй
4Вт
+ С 2 = С ;
X,
24В
С ехр
тп
(х - Х1 )2 4 Бт
+ С 2 ехр
2
4Вт
= С,
у
где С1, С 2 - концентрации иона соответственно при х = х1, и х = 0; Б - коэффициент молекулярной, термо- и бародиффузии; при расчетах бародиффузии принимается С1 < С2, и в алгоритме они меняются местами.
Реализация алгоритма осуществляется относительно величин С, т и х. Алгоритм расчета параметров осмоса записывается в виде :
X
2
С1 < С2,-^ <т <т ;т = т при N * = N **;0 < х < х
4пВ
X
тп
С2 + С1 ехр
4уКт
= С ;
тп
X,
С2 ехр
С2 ехр
(—X!)
4?Кт
+ С1 = С **;
тп
(x - X1)2 4?Кт
+ С1 ехр
' X2 ^
4?Кт
= С,
X
где С1, С 2 - концентрации иона соответственно при х = хь и х = 0.
Следующим шагом были определены входные и выходные данные решаемых задач, проанализирован математический аппарат их решения, построены блок-схемы работы функциональных модулей (рис.2). Проведенный анализ математических методов позволил остановиться на методах построения регрессионных моделей.
Программа имеет Windows-Интерфейс, для реализации программы выбрана среда Borland Delphi 7, разработаны необходимые экранные формы.
Рис.2. Блок-схема обобщенного алгоритма решения задач
На рис. 3 изображен интерфейс программы - ее основные экранные формы с примерами расчетов.
Рис.3. Интерфейс программы 216
Разработанные программные модули позволили выполнить серию имитационных вычислительных экспериментов с целью выявления зависимости выходных характеристик исследуемых процессов от комплекса входных параметров. Нами был проведен ряд вычислительных экспериментов по расчетам концентрации ионов хлора, который сформировался за счет молекулярной диффузии. При этом в достаточно широких границах варьировались значения следующих параметров процесса: глубина расчетной точки (Х - от 0,4 до 0,5м), время (Т - от 500 до 1500 суток.), коэффициент молекулярной диффузии (Р - от 0,05-10-3 до 0,25-10-3 м 2/ суток.)
По результатам вычислительных экспериментов построены аппроксимирующие нелинейные регрессионные модели (рис. 4).
с—(нхм>017 ) оо> I, л' о<кк>« ¿7 о(X) 1
С--0_23-0_003882>+0_395^1>; I? 0_999Й; о 0.0015
D• 105м2/с
а) Результаты моделирования зависимости концентрации ионов хлора от времени процеса (Х = 0,2м; D = 0,15-10"3 м2/сут.)
б) Зависимость концентрации ионов хлора от коэффициента молекулярной диффузии D (Х = 0,2м; Т = 1000сут.)
0,85 0,80 0,750,70 0,650,600,55 0,500,450,400,350,30
8000-0,8500 7500-0,8000 7000-0,7500 6500-0,7000 6000-0,6500 5500-0,6000 5000-0,5500 4500-0,5000 4000-0,4500 3500-0,4000 3000-0,3500
в) Зависимость концентрации ионов хлора от координаты расчетной точки Х (Т = 1000сут.; D = 0Д5-10"3 м^сут.)
г) Двухфакторная регрессионная зависимость концентрации С от значения коэффициента диффузии D и времени Т (Х = 0,2м)
Х,М 0,5
0,9 1
С,Кмоль/куб.м
04 °-3 02 01 0,2 0,3 0,4 0,5 0,6 0,7 0,8
С=-1 г301 +0,1904х+0,1381 -0Г00061Т+0,04980б/Г -0,0391 О+0г3972у/5; К = 0,9998; 6 = 0,001 д) Номограмма трехфакторной регрессионной модели зависимости концентрации С от параметров Х, Т и D.
Рис.4. Результаты вычислительных имитационных экспериментов
217
0,75
0,75
0,7
0,70
0,65
0,65
0,6
0,55
0,60
0,5
0,55
0,45
0,50
0,4
400
600
800
1000
1200
1400
и 0
С
т
25
Р-10
Из рис. 4д) видно, что задаваясь значениями параметров Х, Т и Б можно прогнозировать значение концентрации С. Если же значение, например, коэффициента диффузии D нам известно с некоторой погрешностью ДD, то по приведенной номограмме можно оценить концентрацию с соответствующей погрешностью ДС. Возможен и обратный расчет: задаваясь концентрацией С, коэффициентом диффузии D, расчетной координатой Х, можно оценить время достижения данной концентрации в координате Х; или задаваясь концентрацией С, коэффициентом диффузии D и временами Т - можно оценить координату Х у которой за данное время достигается данная концентрация ионов хлора.
Приведенная номограмма концентрирует результаты имитационных экспериментов и построения на их основе регрессионных моделей. Номограмма, как графическое отображение многофакторной зависимости, позволяет оперативно вычислять концентрации ионов хлора при варьировании параметров Х, Т и D в широких пределах, и имеет практическое значение для оперативного анализа и прогноза санитарно-эпидемической ситуации, связанной с загрязнением почво-грунтов.
Выводы
Для исследования процессов развития эпидемической ситуации необходимо создание системы поддержки принятия решений при управлении санитарно-эпидемическим состоянием в регионе. Предложенные алгоритмы поставленных задач и разработанные программные модули позволяют произвести расчеты распределения медицинских специалистов и ресурсов, расчеты параметров диффузии или осмоса в грунте и расчеты прогнозирования качества воды.
Результаты вычислительных экспериментов позволили построить аппроксимирующие нелинейные регрессионные модели. Полученные результаты подтверждают работоспособность предложенных моделей и подсистем СППР СЭОР. Расчеты затрат на создание и эксплуатацию программы показали экономическую эффективность внедрения разрабатываемого продукта.
Список использованной литературы
1. Вороненко М.А. Двухфакторная модель зависимости заболеваемости в регионе от химического состава питьевой воды /Вороненко М.А., Абрамов Г.С., Рогальский Ф.Б. // Системный анализ и информационные технологии: 12-я межд. конф. Киев, 25-29 мая 2010 г. - Киев: КПИ, 2010. - С.215.
2. Вороненко М.А. Модели поддержки принятия решений в системах управления санитарно-эпидемической ситуацией в регионе// Интеллектуальные системы принятия решений и проблемы вычислительного интеллекта: Междунар. науч.-практ. Конференция. Евпатория, 17-21 мая 2010г.-Херсон: изд.-во ХМИ. - 2010. - Т.2. - С. 239-243.
3. Рогальский Ф.Б./ Информатизация процессов принятия решений в чрезвычайных санитарно-эпидемических ситуациях /Ф.Б. Рогальский, М.А. Вороненко// Шевченшвська весна: 8-а междисц. наук. конф. Кшв 22-26 березня 2010 р. - Кшв: Ун-т Шевченка, 2010. - С.99-102.
4. Горев Л.Н., Дорогунцов С.И., Хвесик М.А. Оптимизация экосред в трех книгах. Книга 1 Оценки и процессы. Киев. Наукова думка. 1997. 542 с.
