Владимир Владимирович Котин - к.ф.-м.н., доцент, кафедра «Медико-технические информационные технологии», МГТУ им. Н.Э.Баумана. E-mail: v.kotin@gmail.com Алексей Геннадьевич Скударев - студент, кафедра «Медико-технические информационные технологии», МГТУ им. Н.Э.Баумана. E-mail: skudarevalex@gmail.com

Проведена апробация методов интеллектуальной обработки временны́х рядов для данных, используемых на практике при решении эпидемиологических задач. Перспективным направлением, по мнению авторов, является применение аппарата нечеткой логики, а именно фаззификация математической модели клещевого энцефалита с целью возможного прогнозирования стратегии вакцинации.

 

1. Покровский В.И., Пак С.Г., Брико Н.И., Данилкин Б.К. Инфекционные болезни и эпидемиология. Изд. 2-е. М.: ГЭОТАР-Медиа. 2007. 816 с.
2. Покровский В.И. Общая эпидемиология с основами доказательной медицины. М.: ГЭОТАР-Медиа. 2008. 400 с.
3. http://www.medpulse.ru/health/14157.html
4. http://encephalitis.ru/index.php-newsid=2148
5. Эпидемиологический словарь / под ред. Джона М. Ласта. М.: Глобус. 2009. 316 с.
6. Болотин Е.И., Цициашвили Г.Ш., Голычева И. В., Бурухина И. Г. Возможности факторного прогнозирования заболеваемости клещевым энцефалитом в приморском крае // Паразитология. 2002. Т. 36. № 4. С. 280-285.
7. Цокова Т.Н., Козлов Л.Б. Разработка математической модели прогнозирования заболеваемости клещевым энцефалитом // Успехи современного естествознания. 2008. № 6.
8. Субботина Н. С., Доршакова Н. В., Петрова А. В.Эпидемиологическая характеристика клещевого энцефалита в Северо-Западном регионе России // Экология человека. 2007. № 7. С. 15-19.
9. Kriesel A., Meyer M., Peterson G. Mathematical Modeling of Tick-Borne Encephalitis in Humans // Journal of Undergraduate Research at Minnesota State University. 2009. V. 9. A. 9.
10. Котин В.В. Прогнозирование заболеваемости: динамические модели и временные ряды // Биотехносфера. 2014. № 3. С. 45-47.
11. Котин В.В., Чиганашкин В.В. Разработка архитектуры экспертной системы для анализа эпидемиологической ситуации // Биомедицинская радиоэлектроника. 2013. № 10. С. 48-54.
12. Боровиков В.П. STATISTICA. Искусство анализа данных на компьютере. М.: Питер. 2001. 688 с.
13. Анютин А.П., Морозов Д.С. О вейвлет-спектрограммах рядов Кондратьева // Вестник Российского нового университета. 2012. № 4. С. 42-45.
14. Витязев В.В. Вейвлет-анализ временных рядов: Учеб. пособие. СПб.: Изд-во Санкт-Петерб. ун-та. 2001. 58 с.
15. Скворцов С.П. Основы применения вейвлет-преоб­разования для фильтрации и сжатия биомедицинских данных: Учеб. пособие. М.: Изд-воМГТУим. Н.Э. Баумана. 2012. 67 с.
16. Oded Maimon, Lior Rokach Data mining and knowledge discovery handbook. NewYork: SpringerScience. 2005. 1383 p.
17. Батыршин И.З., Шереметов Л.Б. Модели и методы перцептивного дата майнинга временных рядов для систем поддержки принятия решений // Нечеткие системы и мягкие вычисления. 2007. Т. 2. № 1. С. 37-44.
18. Ярушкина Н.Г.Основы теории нечетких и гибридных систем: Учеб. пособие. М.: Финансы и статистика 2004. 320 с.
19. Ярушкина Н.Г., Афанасьева Т.В., Перфильева И.Г. Интеллектуальный анализ временных рядов: Учеб. пособие. Ульяновск: УлГТУ. 2010. 320 с.
20. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И. Д. Рудинского. М.: Горячаялиния - Телеком. 2006. 452 c.
21. Massad E., Ortega N.R.S., de Barros L.C., Struchiner C.J. Fuzzy Logic in Action: Applications in Epidemiology and Beyond. Springer Science & Business Media. 2009.
22. Siettos C. I., Russo L.Mathematical modeling of infectious disease dynamics // Virulence. 2013. № 4(4). Р. 295-306.