Проблематика наукового дослідження.

Курсова робота

на тему:

Методи та засоби дослідження інформаційно-енергетичного поля лімбічної системи

з дисципліни “Сучасні теорії системного підходу в науці”

 

 

Виконав аспірант 1-го року навчання

за планом підготовки докторів

філософії вечірньої форми навчання

Назарчук М. А

Перевірив д.т.н., проф. Казак В.М.

 

Київ – 2016

Зміст

 

Мета роботи: 3

Завдання: 4

Вступ. 5

1. Постановка глобальної цілі. 6

2. Формалізація глобальної цілі. 6

3. Побудова дерева подій. 6

4. Розробка системного плану дослідження за темою наукової роботи. 6

5. Вибір методу дослідження за тематикою наукової роботи. 11

6. Вибір складу контрольованих характеристик за темою. 13

7. Дослідження показників кількісної оцінки досягнення глобальної цілі досліджуваної системи. 16

8. Підготовка і обґрунтування рішень щодо управління досліджуваною системою. 17

9. Прогнозування і розвиток дослідницького підрозділу………………….17

 

 

Мета роботи:

1. Закріплення теоретичних знань з теми «Матричні методи системного аналізу автоматизованих організаційно-технічних систем транспорту».

2. Набуття практичних навичок:

- зі складання та математичного формулювання задач кількісної оцінки досягнення стратегічної мети організаційно-технічними системами;

- із побудови матриць кількісної оцінки досягнення стратегічних цілей;

- у проведенні аналізу отриманих результатів розв’язання задач стратегічної мети АОТС;

Завдання:

1. Постановка глобальної цілі.

2. Формалізація глобальної цілі.

3. Побудова дерева подій.

4. Розробка системного плану дослідження за темою наукової роботи:

- вибір цілей і задач дослідження;

- вибір і обґрунтування системних зав’язків;

- вибір і обґрунтування методу планування на системній основі;

- створення інформаційних потоків планування;

5. Вибір методу дослідження за тематикою наукової роботи.

6. Вибір складу контрольованих характеристик за темою.

7. Дослідження показників кількісної оцінки досягнення глобальної цілі досліджуваної системи.

8. Підготовка і обгрунтування рішень щодо урпавління досліджуваною системою.

9. Прогнозування і розвиток дослідницького підрозділу.

Вступ

В сучасному світі є потреба якісного і швидкого оцінювання психофізіологічного стану (ПФС) здоров’я операторів екстремальних видів діяльності (ОЕВД), наприклад, льотчиків, полярників, спортсменів, водіїв та інші. Країнами світу витрачаються значні зусилля та кошти для якісного професійного відбору ОЕВД [1], яке основане на процесі оцінювання психофізіологічного стану організму операторів.

Для розуміння взаємодії психіки та фізіології людини проаналізовано формування інформаційно-енергетичного поля людини, основні аспекти якої полягають в наступному. Мозок людини являється складною 6-ти шаровою структурою, який управляє організмом людини за допомогою інформативно насичених біосигналів. Лімбічна система мозку людини за допомогою нервових шляхів реалізує збір, обробку та управління інформацією щодо психофізіологічного стану гомеостазу організму людини, при чому, основним елементом в представленому процесі роботи лімбічної системи являється «суперкомп’ютер» – пінеальна залоза (епіфіз) людини. Таким чином, лімбічна система синтезує інформаційно-енергетичне поле (ІЕП) людини, параметри якого в повній мірі характеризують психофізіологічний стан гомеостазу організму людини.

Враховуючи існуючі біомедичні функціональні зв’язки модулів головного мозку, включаючи кору головного мозку, встановлено, що одні із основних параметрів ІЕП лімбічної системи проявляються в біоритмах кори головного мозку (енергетичне поле) за допомогою висхідних нервових шляхів, а також в процесі функціонування вестибулярного апарату (інформаційне поле) за допомогою гістамін-енергетичних шляхів. Оцінити зміни ІЕП людини можна за допомогою новітнього засобу кефалоенцефалографу та системного прикладного програмного забезпечення.

Враховуючи зв’язок лімбічної системи із гуморальною системою організму, додатковим методом ідентифікації стану ІЕП організму ОЕВД обрано параметри крові.

1. Постановка глобальної цілі.

Для якісного і швидкого оцінювання психофізіологічного стану, здоров’я операторів екстремальних видів діяльності є необхідність в створенні системи прийняття рішення, що дозволить зменшити вплив людського фактору при оцінці стану оператора-екстремала.

Для створення такої системи застосовується математичний пакет MatLab, що поєднує в собі ефективний засіб для математичної обробки даних та засіб створення програмного коду.

Таким чином, глобальною ціллю є створення інформаційної технології процесу професійного відбору операторів екстремальних видів діяльності.

 

2. Формалізація глобальної цілі.

 

3. Побудова дерева подій.

 

4. Розробка системного плану дослідження за темою наукової роботи.

Об’єктом дослідження є процес відбору операторів екстремальних видів діяльності та прогнозування їхнього психофізіологічного стану організму на основі визначення нормованих значень біологічних параметрів організму при наявності генеральної вибірки з малою кількістю експериментальних значень.

Предметом дослідження є методи та засоби діагностування психофізіологічного стану операторів екстремальних видів діяльності.

Описова ціль моделі процесу психологічної класифікації та визначення рівня психічної профпридатності оператора полягає в ознайомлені з послідовністю та процесом перевірки готовності операторів екстремальних видів діяльності до виконання своїх професійних обов’язків в екстремальних умовах.

Приписова ціль моделі процесу психологічної класифікації та визначення рівня психічної профпридатності оператора полягає у визначені готовності операторів екстремальних видів діяльності до виконання своїх професійних обов’язків в екстремальних умовах.

Етапи створення моделі:

a) Огляд специфіки діагностування психофізіологічного стану операторів екстремальних видів діяльності;

b) Визначення основних кількісних параметрів, на основі яких приймається рішення;

c) Створення моделі;

d) Проектування моделі в середовищі програмування;

e) Дослідження моделі за допомогою математичного аналізу, статистичної обробки отриманих даних та на основі експерименту.

 

Цілі моделювання:

a) Визначення основних факторів, що впливають на процес визначення психофізіологічного стану оператора екстремальних видів діяльності;

b) Автоматизація процесу відбору операторів екстремальних видів діяльності;

Проблематика наукового дослідження.

Процес реєстрації біологічних даних потребує значних затрат часу та зусиль, через що робота із великою кількістю статистичної вибірки даних не завжди є можливою, що впливає на подальший розрахунок критеріїв професійного відбору операторів екстремальних видів діяльності. Тому, для підвищення ефективності розрахунку нормованих значень біологічних параметрів, які використовуються в процесі професійного відбору операторів екстремальних видів діяльності, застосовано ітераційне моделювання за методом Монте-Карло для попередньо класифікованих за типом темпераменту операторів. Серед переваг запропонованого підходу є можливість моделювати стохастичні вибірки даних та контролювати умови, що накладаються на об’єм ітераційної вибірки, які використовуються для розрахунку нормованих оцінок щодо стану роботи інформаційно енергетичного поля організму операторів екстремальних видів діяльності.

Концептуальна модель

Для підвищення якості статистичної вибірки реалізовано аналіз випадкових відхилень значень вибірки методом Граббса:

(1)

де x _{( n )} – значення вибірки, яка перевіряється на викид; – середнє арифметичне вибірки; S – середнє квадратичне відхилення вибірки.

Для реалізації ітераційного моделювання за методом Монте-Карло визначається закон розподілу вибірки. Враховуючи, що критерій Пірсона (χ²) та складений критерій (d) для перевірки на нормальний закон розподілу (r _н) не задовольняє або умові довжини вибірки (n _χ2 ≥ 100), або універсальності (d- критерій підходить лише для ідентифікації нормального закону розподілу), на початковому етапі реалізується перевірка вибірки на нормальний закон розподілу за критерієм Колмогорова-Смірнова (λ), використовуючи значення найбільшої абсолютної різниці:

(2)

де – спостережувані значення сумарної частоти влучень в і -й інтервал гістограми закону розподілу; n_j – кількість влучень випадкової величини в j -й інтервал гістограми закону розподілу; n – кількість спостережуваних випадкових чисел; – теоретичні значення сумарної частоти влучень в і -й інтервал гістограми закону розподілу, розраховані за законом розподілу F (x) випадкової величини ζ; x_i – середина і -ого інтервалу гістограми закону розподілу. Критерій Колмогорова-Смірнова також можна використовувати для перевірки на наступні закони розподілу вибірки:

− нормальний закон розподілу (r _н);

− експоненціальний закон розподілу (r _е);

− логарифмічно-нормальний закон розподілу (r _л);

− закон розподілу χ-квадрат (r _х);

− закон розподілу Релея (r _р);

− закон розподілу Вейбула (r _в).

Таким чином, провівши аналіз, було виявлено, що критерій Колмогорова-Смирнова є універсальним для визначення виду закону розподілу, а також його можна використовувати для вибірок з малою кількістю даних.

Для збільшення ефективності ітераційного моделювання при умові виявлення нормальності закону розподілу вибірки в алгоритмі застосовується робастний метод обробки даних, який дозволяє імітувати наближення статистичних оцінок малої вибірки даних до нормального закону великої кількості даних. Розрахунок за робастним методом комп’ютеризовано за наступним алгоритмом [8]:

− наявні вибіркові експериментальні дані ранжуються по наростанню;

− розраховується медіана ранжованого ряду: М = med{ x_i };

− розраховується абсолютне відхилення експериментальних даних від медіани: | x_i – M |;

− ранжуються абсолютні відхилення по наростанню: | x_i – M |_min … | x_i – M |_max;

− розраховується медіана для ражнованого абсолютного відхилення: MAD_n = med{| x_i – M_n |};

− розраховується робастна оцінка СКВ: S _роб(x_i) = K (n)· MAD_n.

Відповідно до алгоритму (рис. 1), для ітераційного моделювання біологічних параметрів використано метод Монте-Карло, який комп’ютеризовано за наступним алгоритмом:

− задавшись законом розподілу (r), за експериментальною вибіркою визначаються статистичні оцінки цієї вибірки: середнє квадратичне відхилення S (СКВ); середнє арифметичне μ;

− завдяки лічильнику випадкових чисел, робота якого задана на основі СКВ розподілу експериментальних даних (S) та відхиленню (Sigma), задається шум вибірки (Noise);

− додається сформований вектор шуму (NoiseArray) до середнього арифметичного реальної вибірки для розрахунку вихідного вектору імітованих значень (Y).

Використовуючи змодельовані значення параметрів електроенцефалографії та параметрів аналізу крові певної підгрупи операторів, розраховується інтервальна оцінка () при відомому середньому квадратичному відхилені (СКВ) та при обраному рівні значущості α = 0,05:

(3)

де n – кількість вибірки; t_α,n-1 – коефіцієнт Стьюдента; – середнє арифметичне вибірки; S – середнє квадратичне відхилення.

 

Рис. 1. Алгоритм ітераційного моделювання біологічних параметрів людини

 

5. Вибір методу дослідження за тематикою наукової роботи.

Сучасні інформаційні технології, що активно розвиваються в медичній науці і практиці охорони здоров’я, орієнтовані на аналіз медико-біологічних даних, розроблення методів вилучення з них інформації, формування інтегральних оцінок стану біосистем [3].

Проте, аналіз літературних джерел показав, що 80 % авіаційних катастроф [4], 70 % катастроф в атомній енергетиці та 64 % в на морському флоті [5]сталися через помилкові дії фахівців, тобто через людський фактор. Майже у 95 % учасників антарктичних експедиціймали місце порушення психофізіологічного стану організму внаслідок довготривалої дії екстремальних факторів зовнішньої середи [6]. Тобто, існуючі системи професійного відбору потребують вдосконалення своїх методів та засобів із застосуванням комп’ютерних технологій.

Питанням психофізіологічного відбору та розробки інформаційних технологій професійного відбору операторів екстремального виду діяльності займаються як вітчизняні [6], так і зарубіжні [7] вчені.

Побудова інтегральних критеріїв оцінювання психофізіологічного стану (ПФС) організму ОЕВД є ефективним при професійному відборі ОЕВД [8-10], але їх реалізація можлива лише за умови отримання статистично достатньої кількості експериментальних даних, що не завжди вдається досягнути за умови проведення окремих експериментів з ОЕВД.

Статистичне моделювання даних стану біологічних систем є ефективним методом збільшення розміру статистичної вибірки, що дозволяє зменшити варіабельність інтегральної оцінки стану досліджуваної системи в умовах малих об’ємів вхідних експериментальних даних [3].

Останні результати зарубіжних досліджень показують ефективність застосування ітераційного моделювання біологічних параметрів для збільшення розміру вибірки [11, 12]. Проте, в представлених дослідженнях розрахунки проводяться з допущенням про нормальність закону розподілу експериментальних даних, що не завжди є коректним при роботі з біологічними об’єктами.

Важливим аспектом при імітаційному моделюванні є достовірне визначення закону розподілу на основі вибірки з малою кількістю експериментальних даних. Дослідження показали, що для малої вибірки експериментальних даних існують ефективні підходи визначення закону розподілу [13]. Проте, поєднання різних статистичних підходів потребує комп’ютеризації процесу визначення закону розподілу вибірки.

 

6. Вибір складу контрольованих характеристик за темою.

З метою проведення ефективних експериментальних досліджень операторів екстремальних видів діяльності проводиться класифікація за типом темпераменту для наближення їх індивідуальних психічних та фізіологічних особливостей організму. Для цього використовується розроблене програмне забезпечення на основі психологічного тестування, за допомогою якого досліджуваних можна згрупувати за 36-ма категоріями темпераменту. Результати всіх досліджень зберігаються в спеціально розробленій базі даних.

Для реєстрації біосигналів кори головного мозку (КГМ) людини на базі кафедри біокібернетики та аерокосмічної медицини Національного авіаційного університету було розроблено новітній засіб – кефалоенцефалограф, який являється поєднанням існуючих засобів: кефалографу та електроенцефалографу.

Електроенцефалограф - медичний електровимірювальні прилади для електроенцефалографії, за допомогою якого вимірюють і реєструють різницю потенціалів між точками головного мозку, що розташовуються в глибині або на його поверхні, і записують електроенцефалограму.

Електроенцефалографія (ЕЕГ) — метод графічної реєстрації біопотенціалів головного мозку, що дозволяє проаналізувати його фізіологічні зрілість і стан, наявність осередкових уражень, загальмозкових розладів і їхній характер. Полягає в реєстрації й аналізі сумарної біоелектричної активності головного мозку — електроенцефалограми (ЕЕГ). ЕЕГ може зніматися зі скальпу, з поверхні головного мозку, а також з глибоких структур мозку. Типово під електроенцефалограмою розуміють поверхневий запис, тобто здійснений зі шкіри. Запис, здійснений за допомогою електродів з поверхні головного мозку, називають електрокортикограмою.

ЕЕГ складається з коливань різної частоти і амплітуди. За виразністю коливань тієї чи іншої частоти у різних фізіологічних станах на початку історії методу ЕЕГ було виділено кілька основних фізіологічних частотних діапазонів:

діапазон	частота	фізіологічні властивості
дельта	до 4Гц	коливання амплітудою 20-30 мкВ можуть зустрічатися у ЕЕГ здорової притомної людини; наявність коливань більш високої амплітуди (40-300мкВ) у ЕЕГ притомної людини є патологічною ознакою (мозкові пухлини); дельта-коливання стають вираженими під час певних фаз природного сну, наркотичного сну або у стані коми
тета	4-7Гц	коливання амплітудою до 40 мкВ можуть зустрічатися у ЕЕГ здорової притомної людини, зростання їх частки є ознакою емоційної активації та інших типів мозкової активності; наявність тета-коливань у більших кількостях пов'язана із патологічними станами або ж зміненими станами свідомості (сон, медитація та ін.)
альфа	8-13Гц	синусоїдальні коливання амплітудою до 100 мкВ, амплітуда яких зростає у лобно-потиличному напрямку, є найбільш вираженим у ЕЕГ здорової притомної людини із закритими очима, у формі вираженого ритму реєструється у 80-90 % людей, пригнічується при відкриванні очей, переході до активної діяльності, аналізу інформації
бета	13-40Гц	коливання амплітудою 5-30 мкВ, наявність яких у ЕЕГ пов'язана із активним функціональним станом мозку, зростання рівня активації головного мозку здебільшого супроводжується зменшенням частки альфа-коливань і зростанням частки бета-коливань; наявність вираженого бета-ритму з амплітудою вище 40 мкВ є патологічною ознакою
гамма	вище 30-40Гц	коливання амплітудою до 10 мкВ, вважається ознакою когнітивних процесів і свідомості; наявність коливань цього діапазону амплітудою вище 15 мкВ є патологічною ознакою

 

Алгоритм обробки електроенцефалографічних даних [2], в якому досліджуються фоновий та перехідні процеси кори головного мозку операторів екстремальних видів діяльності, дозволяє розрахувати наступні інтегральні параметри для оцінювання інформаційно-енергетичного поля організму оператора ектремальних видів діяльності: енергетичний коефіцієнт щільності (Q_eeg), усереднену миттєву швидкість спектральної щільності потужності (СЩП) фонового сигналу (Diff_fon), усереднену миттєву швидкість СЩП сигналу перехідного процесу (Diff_pp).

Кефалографія – вивчення механізмів збереження пози стояння шляхом графічної реєстрації коливань голови стосовно вертикальної осі тіла. Іншими словами келографія дозволяє діагностувати стан вестибюлярного апарату організму людини.

Враховуючи зв’язок лімбічної системи із гуморальною системою організму, додатковим методом ідентифікації стану ІЕП організму ОЕВД обрано параметри крові.

Група з чотирьох експертів оцінила основні параметри за якими проводиться відбір операторів екстремальних видів діяльності:

- тип темпераменту;

- електренцефалографія;

- кефалографія;

- параметри крові.

Значення векторів пріорітетів експертів

Характеристики	Експерти
тип темпераменту	0,1	0,2	0,2	0,2
електроенцефалографі	0,4	0,3	0,4	0,3
кефалографія	0,2	0,3	0,1	0,2
параметри крові	0,3	0,2	0,3	0,3

 

Після опрацювання отриманих результатів аналітичною групою отримані такі зведення дані

 

Зведені оцінки характеристик

Характеристики	Зведені оцінки
Середнє значення	Середнє квадратичне відхилення	Узгодже-ність оцінок	Нижній квантиль	Верхній квантиль
тип темпераменту	0,175	0,05	0,2	0,17	0,18
Електро-енцефалографія	0,35	0,058	0,35	0,292	0,408
кефалографія	0,2	0,08	0,2	0,12	0,28
параметри крові	0,275	0,05	0,3	0,225	0,325

 

7. Дослідження показників кількісної оцінки досягнення глобальної цілі досліджуваної системи.

Послідовність дій для кількісної оцінки досягнення цілей(кроки 1, 2…7)	Якість	Час		Дія зовнішніх чинників		Виробничий параметр
Крок 1	Кількість співпадінь рішення системи з рішенням медика-експерта	Кількість годин, затрачених на проведення дослідження		Кількість помилок при вводі даних		Контрольні показники
Крок 2						Початковий рівень значень контрольних показників
Крок 3 Визначення експертним шляхом 11 варіантів значення контрольних показників						Підсумкові дискретні бали (від 0 до 10) для 11 варіантів значень контрольних показників, які визначаються експертним шляхом
Крок 4						Бали початкового рівня контрольних показників
Крок 5						Ваги значущості контрольних показників
Крок 6						Оцінка індексу контрольних показників
Крок 4	Пілсумковий індекс контрольних показників	Оцінка підсумкового індексу

 

8. Підготовка і обґрунтування рішень щодо управління досліджуваною системою.

Для прикладу практичної реалізації алгоритму ітераційного моделювання за методом Монте-Карло біологічних параметрів людини, представлено результати експериментальних досліджень, реалізованих з представниками однієї з груп професій екстремального виду діяльності – антарктичними зимівниками (полярниками). Так як серед представників даної професії найчастіше зустрічались оператори 31-го та 35-го типу темпераменту наступні результати представлено саме для цих підгруп. В експерименті приймали участь 21 оператор 31-ї підгрупи та 16 операторів 35-ї підгрупи.

На основі запропонованого алгоритму було побудовано нормовані інтервальні оцінки 10 параметрів крові антарктичних зимівників: лейкоцити (нормальний закон розподілу); еритроцити (нормальний закон розподілу); гемоглобін (нормальний закон розподілу); гематокрит (нормальний закон розподілу); тромбоцити (нормальний закон розподілу); середній вміст Hb в еритроцит (нормальний закон розподілу); різнорідність еритроцитів по об’єму (логарифмічно-нормальний закон розподілу); сечовина (логарифмічно-нормальний закон розподілу); креатинін (логарифмічно-нормальний закон розподілу); глюкоза (нормальний закон розподілу). Враховуючи, що більшість біологічних параметрів організму мають нормальний закон розподілу було застосовано алгоритм робастного розрахунку статистичних оцінок та розраховано нормовані інтервальні оцінки, формула (3), зазначених параметрів, що представлено в табл. 1.

 

Таблиця 1

Нормовані та змодельовані показники аналізу крові антарктичних зимівників

Показник крові	Усереднені значення зимівників без застосування ітераційного моделювання	Усереднені значення зимівників із застосуванням моделювання
31 підгрупа	35 підгрупа	31 підгрупа	35 підгрупа
Лейкоцити (WBC), *109/л	4,84 ÷ 7,16	5,02 ÷ 6,46	5,41 ÷ 6,6	5,37 ÷ 6,08
Еритроцити (RBC), *1012/л	4,39 ÷ 5,01	4,66 ÷ 5,14	4,54 ÷ 4,86	4,85 ÷ 5,1
Гемоглобін (Hb), *1012 г/л	132,9 ÷ 147,1	136,4 ÷ 155,2	136,7 ÷ 143,4	140,8 ÷ 150,5
Гематокрит (HCT), %	41,9 ÷ 47,5	41 ÷ 45,4	42,1 ÷ 44,26	43,27 ÷ 46,1
Тромбоцити (PLT), *109 л	199,1 ÷ 266,9	237,43 ÷ 263,37	215,7 ÷ 249,9	243,46 ÷ 257,1
Середній вміст Hb в еритроциті (MCH), *10-12 г	27,9 ÷ 31,61	28,56 ÷ 29,96	28,9 ÷ 30.8	28,89 ÷ 29,6
Різнорідність еритроцитів по об'єму (RDV), %	12,08 ÷ 12,88	11,86 ÷ 12,86	12,27 ÷ 12,66	12,08 ÷12,64
Сечовина, мкмоль/л	2,44 ÷ 5,52	4,9 ÷ 7,26	3,18 ÷ 4,73	5,47 ÷ 6,3
Креатинін, ммоль/л	62,9 ÷ 75,34	63,58 ÷ 82,14	65,68 ÷ 72,35	68,43 ÷ 77,68
Глюкоза, ммоль/л	4,68 ÷ 5,64	4,44 ÷ 5,84	4,92 ÷ 5,4	4,79 ÷ 5,43

 

Таким чином, використання ітераційного моделювання за методом Монте-Карло дозволило звузити нормовані інтегральні оцінки показників крові для кожної з типів темпераменту операторів. Отримані результати аналізів крові відповідають нормованим діапазонам в медичній практиці.

В табл. 2 представлено результати ітераційного моделювання параметрів електроенцефалограми. Отримані інтервальні оцінки електроенцефалографічних параметрів корелюють з показниками крові операторів, які пройшли професійний відбір, тобто представлений алгоритм ітераційного моделювання дозволяє ефективно реалізовувати процес професійного відбору ОЕВД, застосовуючи інтегральне оцінювання стану ІЕП організму.

 

Таблиця 2

Нормовані та змодельовані показники електроенцефалограми антарктичних зимівників

Група операторів	Інтервальні оцінки параметрів Qeeg та Difffon до експедиції	Інтервальні оцінки параметрів Qeeg та Difffon після експедиції
31 підгрупа без моделювання	0,644 ≤ Qeeg ≤ 0,850 0,122 ≤ Difffon ≤ 0,138	0,540 ≤ Qeeg ≤ 0,975 0,120 ≤ Difffon ≤ 0,139
31 підгрупа після моделювання	0,741 ≤ Qeeg ≤ 0,752 0,129 ≤ Difffon ≤ 0,130	0,882 ≤ Qeeg ≤ 0,896 0,143 ≤ Difffon ≤ 0,145
35 підгрупа без моделювання	0,612 ≤ Qeeg ≤ 0,846 0,134 ≤ Difffon ≤ 0,147	0,724 ≤ Qeeg ≤ 0,953 0,129 ≤ Difffon ≤ 0,152
35 підгрупа після моделювання	0,835 ≤ Qeeg ≤ 0,843 0,140 ≤ Difffon ≤ 0,141	0,864 ≤ Qeeg ≤ 0,878 0,134 ≤ Difffon ≤ 0,135

 

Для реалізації професійного відбору за допомогою розробленого алгоритму програмної системи було залучено 36 претендентів у полярники з різними вадами легких захворювань та 36 операторів, які були відібрані для виконання своїх професійних обов’язків та успішно їх виконали.

У результаті експериментальних досліджень встановлено, що співпадіння сформованого рішення за допомогою розробленої програмної системи та діагнозів медиків-спеціалістів спостерігалося у 62 випадках (86 %), порівняно з 49 випадками (68 %) при застосуванні інших програмних систем професійного відбору операторів. Тобто підвищення ефективності професійного відбору відбулося на 20 %.

 

9. Прогнозування і розвиток дослідницького підрозділу.

Завдяки ітераційному моделюванню за методом Монте-Карло розраховано нормовані інтервальні оцінки параметрів електроенцефалограми (Qeeg, Difffon, Diffpp) та крові, які дозволяють оцінювати стан інформаційно-енергетичного поля організму операторів екстремальних видів діяльності та реалізовувати їх професійний відбір.

Представлений підхід апробовано на невеликій вибірці експериментальних даних, через що в майбутніх дослідженнях будуть внесені корективи розрахованих нормованих значень показників. Проте, підібраний алгоритм статистичних розрахунків розрахований саме на малу вибірку експериментальних даних, що в майбутньому, при збільшені вибірки, потребуватиме зміни алгоритмів програмного продукту.

Представлений напрям досліджень можна використати в медичних установах для оцінювання психофізіологічної готовності досліджуваних до трансплантації внутрішніх органів, а також для індивідуального підбору донорів. Результати прогнозування ПФС досліджуваних можна використати під час реабілітації, наприклад, для підвищення якості підбору лікарських засобів.

На якість електроенцефалографічних досліджень впливають різні зовнішні фактори. Тому, для підвищення якості отриманих даних необхідно дотримуватись жорстких правил реалізації експериментальних досліджень. Враховуючи складність алгоритму можуть виникнути ситуації, коли в одному із досліджуваних параметрів приймається два закону розподілувеличини, що потребує уваги експериментатора та ручного вибору закону розподілу із запропонованих для застосування подальшого ітераційного моделювання.

 

Размещено на