All issues

Изучение физиологических и патофизиологических процессов, связанных с системой кровообращения, является на сегодняшний день актуальной темой многих исследований. В данной работе рассматривается ряд подходов к математическому моделированию кровотока, основанных на пространственном осреднении и/или использующих стационарное приближение. Обсуждаются допущения и предположения, ограничивающие область применения моделей такого рода. Приводятся наиболее распространенные математические постановки задач и кратко описываются методы их численного решения. В первой части обсуждаются модели, основанные на полном пространственном осреднении и/или использующие стационарное приближение. Один из наиболее распространенных на сегодняшний день подходов состоит в проведении аналогий между течением вязкой несжимаемой жидкости в эластичных трубках и электрическим током в цепи. Такие модели используются не только сами по себе, но и как способ постановки граничных условий в моделях, учитывающих одномерную или трехмерную пространственную зависимость переменных. Динамические, полностью осредненные по пространству модели позволяют описывать динамику кровотока на достаточно больших временных интервалах, равных длительности десятков сердечных циклов и более. Далее рассмотрены стационарные модели основанные как на полностью осредненном, так и на двухмерном подходе. Такие модели могут быть использованы для моделирования кровотока в микроциркуляторном русле. Во второй части обсуждаются модели, основанные на одномерном осреднении параметров кровотока. Преимущество данного подхода также состоит в невысоких, по сравнению с трехмерным моделированием, требованиях к вычислительным ресурсам и возможности охвата всех достаточно крупных кровеносных сосудов в организме. Модели данного типа позволяют рассчитывать параметры кровотока в каждом сосуде сосудистой сети, включенной в модель. Структура и параметры такой сети могут быть заданы как на основе данных литературы, так и с помощью методов сегментации медицинских данных. Основными и весьма существенными предположениями при выводе одномерных уравнений из уравнений Навье – Стокса с помощью асимптотического анализа или их интегрирования по объему являются радиальная симметрия течения и постоянство формы профиля скорости в поперечном сечении. Существующие в настоящее время работы, посвященные валидации одномерных моделей, их сравнению между собой и с данными клинических исследований, позволяют говорить об успешности данного подхода и подтверждают возможность его использования в медицинской практике. Одномерные модели позволяют описывать такие динамические явления, как распространение пульсовой волны и звуки Короткова. В этом приближении могут быть учтены такие факторы, как действие на кровоток силы тяжести, действие на стенки сосудов силы сжатия мышц, регуляторные и ауторегуляторные эффекты.

The study of the physiological and pathophysiological processes in the cardiovascular system is one of the important contemporary issues, which is addressed in many works. In this work, several approaches to the mathematical modelling of the blood flow are considered. They are based on the spatial order reduction and/or use a steady-state approach. Attention is paid to the discussion of the assumptions and suggestions, which are limiting the scope of such models. Some typical mathematical formulations are considered together with the brief review of their numerical implementation. In the first part, we discuss the models, which are based on the full spatial order reduction and/or use a steady-state approach. One of the most popular approaches exploits the analogy between the flow of the viscous fluid in the elastic tubes and the current in the electrical circuit. Such models can be used as an individual tool. They also used for the formulation of the boundary conditions in the models using one dimensional (1D) and three dimensional (3D) spatial coordinates. The use of the dynamical compartment models allows describing haemodynamics over an extended period (by order of tens of cardiac cycles and more). Then, the steady-state models are considered. They may use either total spatial reduction or two dimensional (2D) spatial coordinates. This approach is used for simulation the blood flow in the region of microcirculation. In the second part, we discuss the models, which are based on the spatial order reduction to the 1D coordinate. The models of this type require relatively small computational power relative to the 3D models. Within the scope of this approach, it is also possible to include all large vessels of the organism. The 1D models allow simulation of the haemodynamic parameters in every vessel, which is included in the model network. The structure and the parameters of such a network can be set according to the literature data. It also exists methods of medical data segmentation. The 1D models may be derived from the 3D Navier – Stokes equations either by asymptotic analysis or by integrating them over a volume. The major assumptions are symmetric flow and constant shape of the velocity profile over a cross-section. These assumptions are somewhat restrictive and arguable. Some of the current works paying attention to the 1D model’s validation, to the comparing different 1D models and the comparing 1D models with clinical data. The obtained results reveal acceptable accuracy. It allows concluding, that the 1D approach can be used in medical applications. 1D models allow describing several dynamical processes, such as pulse wave propagation, Korotkov’s tones. Some physiological conditions may be included in the 1D models: gravity force, muscles contraction force, regulation and autoregulation.

В данной статье рассматривается метод построения прогнозной нейросетевой модели временного ряда, основанный на определении состава входных переменных, построения обучающей выборки и самого обучения с использованием метода обратного распространения ошибки. Традиционные методы построения прогнозных моделей временного ряда (авторегрессионной модели, модели скользящего среднего или модели авторегрессии – скользящего среднего) позволяют аппроксимировать временной ряд линейной зависимостью текущего значения выходной переменной от некоторого количества ее предыдущих значений. Такое ограничение, как линейность зависимости, приводит к значительным ошибкам при прогнозировании.

Технологии интеллектуального анализа с применением нейросетевого моделирования позволяют аппроксимировать временной ряд нелинейной зависимостью. Причем процесс построения нейросетевой модели (определение состава входных переменных, числа слоев и количества нейронов в слоях, выбор функций активации нейронов, определение оптимальных значений весов связей нейронов) позволяет получить прогнозную модель в виде аналитической нелинейной зависимости.

Одним из ключевых моментов при построении нейросетевых моделей в различных прикладных областях, влияющих на ее адекватность, является определение состава ее входных переменных. Состав входных переменных традиционно выбирается из некоторых физических соображений или методом подбора. Для задачи определения состава входных переменных прогнозной нейросетевой модели временного ряда предлагается использовать особенности поведения автокорреляционной и частной автокорреляционной функций.

В работе предлагается метод определения состава входных переменных нейросетевых моделей для стационарных и нестационарных временных рядов, базирующийся на построении и анализе автокорреляционных функций. На основе предложенного метода разработаны алгоритм и программа в среде программирования Python, определяющая состав входных переменных прогнозной нейросетевой модели — персептрона, а также строящая саму модель. Осуществлена экспериментальная апробация предложенного метода на примере построения прогнозной нейросетевой модели временного ряда, отражающего потребление электроэнергии в разных регионах США, открыто опубликованной компанией PJM Interconnection LLC (PJM) — региональной сетевой организацией в Соединенных Штатах. Данный временной ряд является нестационарным и характеризуется наличием как тренда, так и сезонности. Прогнозирование очередных значений временного ряда на ос- нове предыдущих значений и построенной нейросетевой модели показало высокую точность аппроксимации, что доказывает эффективность предлагаемого метода.

This article studies a method of constructing a predictive neural network model of a time series based on determining the composition of input variables, constructing a training sample and training itself using the back propagation method. Traditional methods of constructing predictive models of the time series are: the autoregressive model, the moving average model or the autoregressive model — the moving average allows us to approximate the time series by a linear dependence of the current value of the output variable on a number of its previous values. Such a limitation as linearity of dependence leads to significant errors in forecasting.

Mining Technologies using neural network modeling make it possible to approximate the time series by a nonlinear dependence. Moreover, the process of constructing of a neural network model (determining the composition of input variables, the number of layers and the number of neurons in the layers, choosing the activation functions of neurons, determining the optimal values of the neuron link weights) allows us to obtain a predictive model in the form of an analytical nonlinear dependence.

The determination of the composition of input variables of neural network models is one of the key points in the construction of neural network models in various application areas that affect its adequacy. The composition of the input variables is traditionally selected from some physical considerations or by the selection method. In this work it is proposed to use the behavior of the autocorrelation and private autocorrelation functions for the task of determining the composition of the input variables of the predictive neural network model of the time series.

In this work is proposed a method for determining the composition of input variables of neural network models for stationary and non-stationary time series, based on the construction and analysis of autocorrelation functions. Based on the proposed method in the Python programming environment are developed an algorithm and a program, determining the composition of the input variables of the predictive neural network model — the perceptron, as well as building the model itself. The proposed method was experimentally tested using the example of constructing a predictive neural network model of a time series that reflects energy consumption in different regions of the United States, openly published by PJM Interconnection LLC (PJM) — a regional network organization in the United States. This time series is non-stationary and is characterized by the presence of both a trend and seasonality. Prediction of the next values of the time series based on previous values and the constructed neural network model showed high approximation accuracy, which proves the effectiveness of the proposed method.

В работе рассматриваются две модификации метода максимального сечения для решения стационарного уравнения переноса излучения в трехмерной неоднородной среде. Обе модификации основаны на применении метода Монте-Карло к суммированию ряда Неймана для решения уравнения переноса. Одна из них — традиционная, вторая — основана на использовании ветвящихся цепей Маркова. Проводится численное сравнение этих алгоритмов.

We consider two versions of the maximum cross section method for the solutions of the stationary equation of radiative transfer in dimensional inhomogeneous medium. Both are based on the application Monte-Carlo method to the summation of the Neumann series for the solution transport equation. First modification is traditional and second is based on the use of branching Markov chains. We carried out numerical comparison of these algorithms.

Рассматривается математическая модель, описывающая конкуренцию за неоднородный ресурс двух близкородственных видов на одномерном ареале. Распространение популяций определяется диффузией и направленной миграцией, а рост подчиняется логистическому закону. Исследуются решения соответствующей начально-краевой задачи для нелинейных уравнений параболического типа с переменными коэффициентами (функция ресурса, параметры роста, диффузии и миграции). Для анализа формирования популяционных структур применяется подход на основе теории косимметричных динамических систем В. И. Юдовича. Аналитически получены условия на параметры системы, при выполнении которых у системы имеется нетривиальная косимметрия. В численном эксперименте подтверждено возникновение непрерывного семейства стационарных решений при выполнении условий существования косимметрии. Расчетная схема основана на конечно-разностной дискретизации по пространственной переменной с использованием интегро-интерполяционного метода и интегрировании по времени методом Рунге–Кутты. Далее численно исследовано влияние параметров диффузии и миграции на пространственно-временные сценарии развития популяций. В окрестности многообразия, соответствующего косимметрии задачи, рассчитаны нейтральные кривые диффузионных параметров, отвечающих границам устойчивости решений с одной популяцией. Для ряда значений параметров миграции и функций ресурса с одним и двумя максимумами построены карты областей параметров, которые соответствуют различным сценариям сосуществования и вытеснения видов. В частности, найдены области параметров, при которых выживание того или иного вида определяется условиями начального размещения. Отмечено, что реализуемая при этом динамика может быть нетривиальна: после начального снижения плотностей обоих видов наблюдается последующий рост одной популяции и убывание другой. Проведенный анализ показал, что области диффузионных параметров, отвечающих различным сценариям формирования популяционных структур, группируются вблизи линий, соответствующих косимметрии рассматриваемой математической модели. Полученные карты позволяют объяснить медленную динамику системы близостью к косимметричному случаю и дать трактовку эффекта выживания популяции за счет изменения диффузионной мобильности при исчерпании ресурса.

We consider a mathematical model describing the competition for a heterogeneous resource of two populations on a one-dimensional area. Distribution of populations is governed by diffusion and directed migration, species growth obeys to the logistic law. We study the corresponding problem of nonlinear parabolic equations with variable coefficients (function of a resource, parameters of growth, diffusion and migration). Approach on the theory the cosymmetric dynamic systems of V. Yudovich is applied to the analysis of population patterns. Conditions on parameters for which the problem under investigation has nontrivial cosymmetry are analytically derived. Numerical experiment is used to find an emergence of continuous family of steady states when cosymmetry takes place. The numerical scheme is based on the finite-difference discretization in space using the balance method and integration on time by Runge-Kutta method. Impact of diffusive and migration parameters on scenarios of distribution of populations is studied. In the vicinity of the line, corresponding to cosymmetry, neutral curves for diffusive parameters are calculated. We present the mappings with areas of diffusive parameters which correspond to scenarios of coexistence and extinction of species. For a number of migration parameters and resource functions with one and two maxima the analysis of possible scenarios is carried out. Particularly, we found the areas of parameters for which the survival of each specie is determined by initial conditions. It should be noted that dynamics may be nontrivial: after starting decrease in densities of both species the growth of only one population takes place whenever another specie decreases. The analysis has shown that areas of the diffusive parameters corresponding to various scenarios of population patterns are grouped near the cosymmetry lines. The derived mappings allow to explain, in particular, effect of a survival of population due to increasing of diffusive mobility in case of starvation.