Бесплатный автореферат и диссертация по наукам о земле на тему

Методологические схемы определения качественных и количественных обусловленностей параметров техногенеза

ВАК РФ 25.00.36, Геоэкология

Автореферат диссертации по теме "Методологические схемы определения качественных и количественных обусловленностей параметров техногенеза"

На правах рукописи у

КОЛЕСНИК Алексей Николаевич

МЕТОДОЛОГИЧЕСКИЕ СХЕМЫ ОПРЕДЕЛЕНИЯ КАЧЕСТВЕННЫХ И КОЛИЧЕСТВЕННЫХ ОБУСЛОВЛЕННОСТЕЙ ПАРАМЕТРОВ ТЕХНОГЕНЕЗА

25.00.36 - Геоэкология

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Оренбург-2004

Работа выполнена на кафедре прикладной информатики Государственного образовательного учреждения высшего профессионального образования «Оренбургский государственный университет»

Научные руководители: доктор технических наук, доцент

Чепасов Валерий Иванович,

доктор географических наук, профессор Рычко Олег Константинович

Официальные оппоненты: доктор медицинских наук, профессор

Греков Иван Иванович,

кандидат технических наук, доцент Матвейкин Игорь Витальевич

Ведущая организация: ГОУ ВПО «Оренбургская государственная

медицинская академия Министерства здравоохранения РФ»

Защита диссертации состоится «27» мая 2004 в часов на заседании диссертационного совета КР212.181.13в Государственном образовательном учреждении высшего профессионального образования «Оренбургский государственный университет» по адресу: 460352, Оренбург, проспект Победы 13, ауд. CZO$

С диссертацией можно ознакомиться в библиотеке Государственного образовательного учреждения высшего профессионального образования «Оренбургский государственный университет»

Автореферат разослан << » апреля 2004г.

//00

Ученый секретарь диссертационного совета

Тарасова Т.Ф.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Окружающая среда и человеческий организм — многопараметрические и многофакторные объекты, тесно связанные и взаимодействующие между собой. Такое взаимодействие в случаях нарушения человеком окружающей среды, в результате сверхнормативного техногенеза может иметь отрицательные последствия, в том числе и для жизнеобеспечения населения, предопределяя его заболеваемость.

В связи с этим необходимо определение обусловленности факторов человеческого организма биологически значимыми параметрами окружающей среды.

Поскольку параметры окружающей среды и факторы человеческого организма определяются посредством либо дискретного, либо непрерывного измерения, то для оценки обусловленности могут использоваться детерминированные подходы, связанные со спектральными методами; и статистические, связанные с корреляционным и факторным анализами и с моделями нелинейной регрессии. Исключительно важно определение параметров объектов исследования по их спектральным характеристикам, что связано с периодичностью изменчивости компонентов окружающей среды, и факторов человеческого организма.

В связи с чем, представляется актуальным исследование влияния слабых воздействий окружающей среды (солнечная активность, магнитная активность, приливные изменения силы тяжести и т.д.) на отдельные группы населения в условиях техногенеза.

Временной характер изменения заданных параметров предопределяет проблему локального и регионального прогноза по различным видам онкозаболеваний (новообразований), включая количественные оценки качественных показателей для осуществления классификаций заболеваемости. Кроме этого методически важно оценить результаты объединений параметров факторным анализом по физическим вкладам в регрессионных моделях этих параметров.

Решение указанных вопросов позволит значительно упростить определение обусловленности параметров, оптимизировать модели прогнозирования и сократить время проведения экспресс-анализа параметров техногенеза окружающей среды.

Целью диссертационной работы является геоэкологическое, математическое моделирование и разработка системы методов для анализа и прогноза техногенно обусловленных новообразований среди взрослого населения районов Оренбургской области.

Для достижения поставленной цели были решены следующие задачи:.

- выполнен анализ состояния изученности обозначенной проблемы, в том числе компонентов окружающей среды и распространенности новообразований среди населения региона исследования;

- проведен выбор антропогенных параметров окружающей среды и факторов, характеризующих состояние здоровья населения города Оренбурга и районов Оренбургской области;

РОС НАЦИОНАЛЬНА?|

БИБЛИОТЕКА { 3

- разработаны математические модели, описывающие корреляционные связи между параметрами окружающей среды и распространенностью новообразований;

- предложена методика прогнозирования новообразований по основным природным и техногенным параметрам;

- выявлены качественные связи между параметрами измеряемого сигнала и его спектральными характеристиками, с использованием метода главных компонент;

- обоснована возможность применения упрощенного алгоритма ступенчатого регрессионного метода для построения полиномиальных моделей искомых параметров;

- разработан комплекс программ для реализации метода главных компонент и ступенчатого регрессионного метода;

- выполнены экспериментальные проверки моделей прогнозирования и оценка применимости разработанных методов в других субъектах РФ.

Объектом исследования.является система: «техногенные параметры окружающей среды - новобразования».

Методика исследования - комплексная, содержащая методы: системного анализа, математической статистики, теории цифровой обработки исходных данных, математического моделирования и другие.

Научная новизна работы заключается в следующем:

- предложен упрощенный алгоритм ступенчатого регрессионного метода;

- дана оценка вкладов как результатов варимаксного вращения матрицы факторных нагрузок;...

- рассмотрено приближение геоэкологических процессов рациональными полиномами..

Наиболее существенные результаты, полученные лично автором:

- разработан метод оценок вкладов в полиномиальных моделях;

- предложена количественная оценка качественных признаков для факторов человеческого организма и параметров окружающей среды;

- разработан алгоритм уплотнения матрицы факторных нагрузок в случае ее вырождения.

Достоверность научпых положений, выводов и рекомендаций работы подтверждается:

- теоретическими исследованиями обусловленности новообразований качественными и количественными параметрами техногенеза;

- сопоставлением результатов прогнозирования новобразований по полученным моделям с фактической диагностикой медицинскими учреждениями г.Оренбурга..

Практическую ценность работы составляют:

- разработанные методы, алгоритмы и программы для построения полиномиальных моделей;

- возможность более оперативного получения моделей заданных параметров по сравнению с использованием быстрого преобразования ряда Фурье;

- методика расчета критических точек приливных изменении силы тяжести;

- прогноз периодов проведения требуемых операций;

- получение моделей прогноза на множестве обусловленных параметров;

- проведение косинор-анализа на временных массивах показателей;

- методика проведения экспресс-анализа на базе разработанного программного комплекса.

Внедрение результатов исследования:

- в учреждениях государственной санитарно-эпидемиологической службы Оренбургской области;

- в Оренбургской областной онкологической больнице для прогнозирования радиорезистентного рака молочной железы.

- в Оренбургском государственном университете в учебных курсах: «Математическое моделирование», «Геоэкологический мониторинг».

Основные положения, выносимые на защиту :

- методика адаптированного использования корреляционного анализа в геоэкологии;

- модификация метода главных компонент для определения групповых обусловленностей параметров и факторов исследования;

- алгоритм упрощенного метода Брандона;

- оценка количественной обусловленности изучаемых параметров;

- модели прогнозирования новообразований по районам Оренбургской области.

Апробация работы. Основные результаты диссертационной работы доложены и обсуждались на: семинаре Оренбургской Государственной Медицинской Академии (г.Оренбург, 1999г.); научно-практической конференции «Новые подходы к оценке реактивности организмов: математическое моделирование, функциональная диагностика, клиника, влияние геофизических факторов» (г.Оренбург, 2001г.); научно-практической конференции «Корреляции биологических и физико-химических процессов с солнечной активностью и другими факторами окружающей среды» (г.Оренбург, 2000г.); получен -ные прогностические модели прогноза были использованы для прогноза новообразований в 2000-2002 годах, результаты которого не превысили 12% по сравнению с фактическими значениями.

Публикации. Основные результаты диссертационной работы изложены в 6 печатных работах, в том числе одном методическом пособии.

Структура и объем диссертации. Диссертация состоит из введения, пяти глав и заключения, изложенных на 160 страницах машинописного текста и включает 17 таблиц, 2 рисунка. Список литературы содержит 101 источник.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ.

В первой главе рассмотрено построение моделей факторов человеческого организма и параметров окружающей среды с использованием ряда Фурье, быстрого преобразования ряда Фурье, линейных регрессионных моделей.

Обосновано применение факторного анализа, ступенчатого регрессионного метода для построения моделей и определения вкладов в них спектральных характеристик.

Для ускорения процесса построения моделей более адекватных истинным, автором предлагается следующий алгоритм обработки данных:

- совместно аппаратно реализовать сигналы, соответственно их параметры, амплитудные и фазовые спектры.

- осуществить цифровую запись параметров и спектров.

- определить связи между параметрами и гармониками спектров с использованием факторного анализа, метода главных компонент.

- по найденным связям построить ступенчатым регрессионным методом полиномиальные модели с оптимальной степенью аппроксимирующих полиномов.

- определить по построенным моделям вклады параметров в амплитудные и фазовые спектры.

- по остаточной и начальной дисперсии найти коэффициент детерминации.

В представленном алгоритме обработки отсутствует использование быстрого преобразования ряда Фурье, что существенно снижает затраты машинного времени на обработку. Кроме этого, модели, полученные ступенчатым регрессионным методом, имеют более высокий коэффициент детерминации, чем линейные регрессионные модели.

Во второй главе рассмотрен один из основных методов факторного анализа - метод главных компонент. Он совпадает с методом расчленения ковариационной или корреляционной матрицы на совокупность ортогональных векторов (компонент) или направлений по числу рассматриваемых переменных.

Эти векторы соответствуют собственным векторам и собственным значениям корреляционной матрицы. По этому методу собственные значения выделяются в порядке убывания их величины, что становится существенным, если для описания данных используется лишь незначительное число компонент.

Векторы попарно ортогональны, и компоненты, полученные по ним, не-коррелированы, хотя несколько компонент могут выделить большую часть суммарной дисперсии переменных, однако для точного воспроизведения корреляций между переменными требуются все компоненты.

В тех случаях, когда применяется метод главных компонент, не нужно выдвигать никаких гипотез о переменных, они не обязаны быть даже случайными.

Факторный анализ в противоположность методу главных компонент заранее объясняет матрицу ковариаций наличием минимального или по крайней мере небольшого числа гипотетических переменных или факторов. В то время, как метод главных компонент ориентирован на дисперсии, факторный анализ ориентирован на ковариаций (или на корреляционную связь).

В факторном анализе основным предположением является равенство:

где Х-аяпеременная; Р-г-ый фактор; а1г-факторная нагрузка; к-количество факторов; е1 - остатки, которые представляют источники отклонений, действующие только на X..

Эти р случайных величин е. предполагаются независимыми как между собой, так иск величинами Рг.

Уравнение (1) нельзя проверить непосредственно, поскольку р переменных X. выражены в них через (р+к) ненаблюдаемых переменных.

Но эти уравнения заключают в себе гипотезу о ковариациях и дисперсиях Х(, которую можно проверить.

Когда число факторов к>1, то ни факторы, ни нагрузки не определяются, однозначно, поскольку в уравнении (1) факторы ^ могут быть заменены любым ортогональным преобразованием их с соответствующим преобразованием нагрузок. Это свойство использовано для преобразования или вращения факторов, полученных в каком-либо практическом исследовании.

Вращение подбирается так, чтобы переменные, которые в большей или меньшей степени измеряют некоторые легко опознаваемые стороны, имели бы достаточно высокие нагрузки на один фактор и нулевые или почти нулевые на другие факторы.

Формализация метода главных компонент заключается в том, что если отправной точкой является корреляционная матрица R с единицами на главной диагонали, то говорят о компонентном анализе, чья модель отлична от модели классического факторного анализа и приводит к дескриптивным факторам. Если же в матрице R используют оценки общностей, то получают модель факторного анализа.

Классическая модель факторного анализа имеет вид:

где Я - корреляционная матрица, А - матрица факторных нагрузок, С - корреляционная матрица, отражающая связи между факторами, - транспонированная матрица факторных нагрузок.

Если наложить условие некоррелированности факторов, т. е. С=1, где I — единичная матрица, то в результате получим:

Г^А'А'. (3)

Система уравнений, соответствующая (3), имеет однозначное решение с вводом дополнительных условий, а именно: сумма квадратов нагрузок первого фактора должна составлять максимум от полной дисперсии; сумма квадра-

тов нагрузок второго фактора должна составлять максимум оставшейся дисперсии и т. д., т. е. максимизирует функцию:

при т(ш-1)/2 независимых друг от друга условиях

г.га/а,, (¡,к=1,2,...,тД<к), (5)

где m - число переменных в матрице наблюдений.

Для максимизирования функции, связанной некоторым числом дополнительных условий, используем метод множителей Лагранжа.

В результате приходим к системе m однородных уравнений с m неизвестными а,:

Система равенств (6) составляет проблему собственных значений действительной симметричной матрицы.

В общем она записывается в следующем виде:

Яа=А*а, (Я-М)а=0, (7)

где А, - собственные значения, они соответствуют собственным векторам ае матрицы Я.

Факторы пропорциональны собственным векторам матрицы R. Путем нормирования получим искомые значения ССи матрицы А по компонентам собственных векторов матрицы Я:

После определения матрицы факторных нагрузок А для лучшей интерпретации факторов используют вращение А в пространстве общих факторов.

В настоящее время наиболее распространен «метод варимакс» для осуществления вращения матрицы А. Метод варимакс был предложен Кайзером. Алгоритм метода главных компонент. 1. Расчет корреляционной матрицы Я:

(9)

sjk =£(хч-тр.(хл -Tj-i.j^Xfc-Tj, т, =-§_!

1*1 n n

i=l,2,..., n - наблюдения, j=l,2,___ m - переменные.

2. Вычисление собственных значений, собственных векторов корреляционной матрицы.

3. Вычисление накопленных отношений собственных значений корреляционной матрицы, больших или равных заданной пользователем константы.

4. Вычисление матрицы факторных нагрузок по собственным значениям -и соответствующим собственным векторам корреляционной матрицы.

5. Ортогональное вращение матрицы факторов.

В третьей главе изложен ступенчатый регрессионный метод, упрощенный алгоритм этого метода, его программная реализация. Разработанный метод дает возможность определить автоматически оптимальную степень аппроксимирующего полинома, коэффициент детерминации модели, вклады параметров в модели для зависимой переменной, значение остаточной дисперсии.

В четвертой главе, содержатся результаты исследований по построению моделей прогнозирования онкозаболеваемости населения г. Оренбурга в связи с содержанием в воздухе, воде и почвах микроэлементов, пестицидов, а также некоторых неорганических веществ.

Схема определения обусловленности заболевания раком легкого параметрами техногенеза окружающей среды в городе Оренбурге за период 1970-1995г: на нормализованной матрице наблюдений с параметрами -столбиками (таблица 1) был проведен корреляционный анализ, результаты которого представлены в таблице 2.

Как видно из приведенных в таблице 2 значений коэффициентов парной корреляции, количество заболевших раком легкого наиболее сильно коррелирует с параметрами-столбиками под номерами 16,21,26,39,50(таблица 1).

Однако проведенный на той же матрице наблюдений факторный анализ (метод главных компонент с варимаксным вращением матрицы факторных нагрузок) дал следующее объединение по фактору новообразования и техногенных параметров окружающей среды (таблица 3).

Из таблицы 3 следует, что количество заболевших раком легкого обусловлено техногенными параметрами окружающей среды под номерами 10, 21, 31, 44 (таблица 1).

На основании объединения по фактору ступенчатым регрессионным методом была построена модель для прогноза количества заболевших раком легкого по параметрам техногенеза окружающей среды, объединившихся в одном факторе с новообразованием, а по модели были получены следующие вклады параметров-аргументов (таблица 4).

Модель для у(заболеваемость раком легкого )

у=6930,97-459191 *х10'+9643680*х102-62147400*х103-42408,7+

+2256360*х21,-39321600*х2|2+223909000*х21'-70272,2+ +210419%/-208240%Ч68163,1%3+180467-2604730%4'+

Достаточно высокий коэффициент детерминации (таблица 5) говорит о хорошей адекватности модели истинной зависимости на исследуемом поле параметров, в связи с чем модель можно использовать для прогноза.

Номер п/п Название параметра Единица измерения Характер

1 Заболеваемость раком легкого Прогнозируемый

2 Азот при сгорании бензина % (объемный) Параметр-аргумент

3 Кислород при сгорании бензина % (объемный) Параметр-аргумент

4 Пары воды при сгорании бензина % (объемный) Параметр-аргумент

5 Диоксид углерода при сгорании бензина % (объемный) Параметр-аргумент

6 Оксид углерода при сгорании бензина % (объемный) Параметр-аргумент

7 Оксиды азота при сгорании бензина % (объемный) Параметр-аргумент

8 Углеводороды при сгорании бензина % (объемный) Параметр-аргумент

9 Альдегиды при сгорании бензина % (объемный) Параметр-аргумент

10 Сажа при сгорании бензина % (объемный) Параметр-аргумент

11 Прометрин (арборицид) Мг/кг почвы Параметр-аргумент

12 Хлорамп (арборицид) Мг/кг почвы Параметр-аргумент

13 Хлорофос (инсектицид) Мг/кг почвы Параметр-аргумент

14 Карбофос (инсектицид) Мг/кг почвы Параметр-аргумент

15 Гсксахлорциклогсксан (инсектицид) Мг/кг почвы Параметр-аргумент

16 Гамма-изомер гексахлорана (инсектицид) Мг/кг почвы Параметр-аргумент

17 Полихлорпинсп (инсектицид) Мг/кг почвы Параметр-аргумент

18 Полихлоркапфсн (инсектицид) Мг/кг почвы Параметр-аргумент

19 Алкилсульфонаты в водс(питьсвой) Мг/л Параметр-аргумент

20 Акриловая кислота в водс(пнтьсвой) Мг/л Параметр-аргумент

21 Анизол в водс(питьсвой) Мг/л Параметр-аргумент

22 Анилин в воде (питьевой) Мг/л Параметр-аргумент

23 Аммиак в водс(питьсвой) Мг/л Параметр-аргумент

24- Ацетон в воде(питьсвой) Мг/л Параметр-аргумент

25 Ацетальдсгид в водс(питьевой) Мг/л Параметр-аргумент

26 Бензол в воде (питьевой) Мг/л Параметр-аргумент

27 Железо в воде(питьсвой) Мг/л Параметр-аргумент

Таблица 2 — Корреляционная матрица Я (заболеваемость раком легкого)

1,00 0,30 0,40 -0.28 0,26 0,37 0,39 -0,09 0,18 -0,21

0,28 -0,05 0,03 -0,17 0,44 -0,52 -0,18 -0,11 -0,04 0,05

-0,57 -0,13 0,26 -0,33 0,27 0,66 -0,38 -0,22 -0,45 0,26

-0,28 0,07 -0,19 0,16 -0,21 -0,16 -0,16 0,03 -0,52 -0,12

0,12 0,28 -0,15 -0,38 0,06 0,08 -0,21 -0,11 -0,26 0,73

0,48 -0,34 -0,20 -0,08 0,53 0,02 -0,45 -0,43 0,06 -0,46

0,18

Таблица 3 - Объединение по фактору 10

Номер ..... Название параметра ■ Нагрузка

1 (заболеваемость раком легкого) 0,6062

10 (сажа при сгорании бензина в % по объему) -0,7315

21 (анизол в воде мг/л) -0,8825

31 (медь в воде мг/л) -0,6801

44 (аммиак в воздухе мг/мЗ) -0,5776

Схема определения обусловленности заболевания раком крови параметрами техногенеза окружающей среды в городе Оренбурге за период 1970-1995г.

На нормализованной матрице наблюдений с параметрами-столбиками (в таблице 1 под номером 1. - рак крови в количестве заболевших человек, далее те же параметры окружающей среды) был проведен корреляционный анализ, который дал следующие значения коэффициентов парной корреляции новообразования с представленными параметрами окружающей среды (таблица 6).

Факторный анализ дал следующее объединение новообразования с техногенными параметрами окружающей среды (таблица 7).

На основании объединения по фактору была построена регрессионная модель и по ней определены вклады параметров-аргументов (таблица 8).

Таблица 4 -Вклады параметров-аргументов в модели (10)

Номер Название параметра Вклад в модель

10 (сажа при сгорании бензина в % по объему) 0,5025774

21 (анизол в воде мг/л) 0,0759868'

31 (медь в воде мг/л) 0,3098558

44 (аммиак в воздухе мг/мЗ) 0,1115800

Таблица 5 - Характеристики модели (10)

Характеристики модели__Значения

Коэффициент детерминации_;__• 0,87

Средняя абсолютная ошибка__32,21

Средняя ошибка в процентах _|__19,47

Таблица 6 - Корреляционная матрица R (заболеваемость раком крови)

Номер Названия параметра Нагрузка

1 (заболеваемость раком крови) 0,6212

7 (оксиды азота при сгорании бензина в % по объему) 0,9036

16 (гамма-изомер гсксахлорана(инесктицид) мг/кг почвы) -0,7306

34 (никель в воде мг/л) 0,5597

39 (хром в воде мг/л) -0,8266

52 (кислота серная в воздухе мг/м'1) -0,8923

55 (медь оксид в воздухе мг/м*) 0,7127

Таблица 7 - Объединение по фактору 3

Номер Названия параметра Нагрузка

1 (заболеваемость раком крови) 0,6212

7 (оксиды азота при сгорании бензина в % по объему) 0,9036

16 (гамма-изомер гексахлорана(инссктицид) мг/кг почвы) -0,7306

34 (никель в воде мг/л) 0,5597

39 (хром в воде мг/л) -0,8266

52 (кислота серная в воздухе мг/м1) -0,8923

55 (медь оксид в воздухе мг/м1) 0,7127

- Модель для у(заболеваемость раком крови )

у=868,440-3970,24*х71+5782,57*х72-2716,88*х,3+

+301,319-251, 329+х151-906,564+12296,2%'+ +30032,0*х342-622219*х343+455,251-7842,48%,'+ +35014,7*х392-24316,9*х393-623,064+10547,2*х52'-

Высокий коэффициент детерминации (таблица 9) предполагает успешное использование модели для прогноза.

Схема определения обусловленности заболевания раком пищевода параметрами техногенеза окружающей среды в городе Оренбурге за период 19701995г.

На нормализованной матрице наблюдений с параметрами-столбиками (в таблице 1 под номером 1. -рак пищевода в количестве заболевших человек, далее те же параметры окружающей среды)был проведен корреляционный анализ, который дал следующие значения коэффициентов парной корреляции новообразования с представленными параметрами окружающей среды (таблица 10).

Факторный анализ выявил следующее объединение (таблица 11).

По построенной регрессионной модели определили вклады параметров-аргументов (таблица 12).

Модель для у(заболеваемость раком пищевода)

у=552,553-13935,0*х30'+Ю3713*х302-190412*х305+

+13005,2-39472500*х17'+39803000000*х372-13312000000000*х375+ +127,195-291,343%,'+162,671*х412+5,16917*х413+ +8897,76- 133594*х44'+665871 *х442-1102170*х443. (12)

В пятой главе содержатся результаты исследований по построению моделей для прогнозов онкозаболеваемости населения 5 сельских районов Оренбургской области (Александровский, Тоцкий, Красногвардейский, Шарлыкс-кий и Сорочинский районы).

Схема определения обусловленности новообразований радиоактивностью и микроэлементами в Тоцком районе.

Модель для у (онкозаболеваемость) у=312,949+0,0157012*х,. (13)

Модель для у (оикосмертность) у=233,949+0,0184518*х2. (14)

Модель для у (заболеваемость раком) Щитовидная железа у=7,92172-0,00252542*х1+0,000000191583*х,2+10,9643-0,00623111*х2+ +0,000000964550*х22-187538+3616810000*х57-23251300000000*х„2+

+49825600000000000*х3. (15)

Номер Названия параметра Вклад в модель

7 (оксиды азота при сгорании бензина в % по объему) 0,0075152 -

16 Гамма-изомер гексахлорана(инсектицид) мг/кг почвы) 1,0149660

34 (никель в воде мг/л) 0,2250772

39 (хром в воде мг/л) 0,2252426

52 (кислота серная в воздухе мг/м'1) 0,0324239

55 (медь оксид в воздухе мг/м'1) 0,0400399

Таблица 9 - Характеристики модели (11)

Таблица 10 -Корреляционная матрица (заболеваемость раком пищевода)

1,00 0,26 -0,09 -0,33 0,12 0,37 0,08 0,34 -0,04 -0,21

0,26 0,25 0,10 0,23 -0,04 -0,40 -0,27 -0,44' 0,14 -0,20

0,06 -0,20 -0,17 -0,56 0,18 0,01 0,02 0,08 -0,49 0,31

-0,08 0,17 0,05 -0,05 -0,39 -0,39 0,65 -0,39 -0,24 -0,60

0,29 0,22 0,52 -0,47 0,36 -0,10 0,08 0,34 0,04 -0,04

-0,22 -0,03 -0,04 0,32 0,13 0,41 0,02 0,32 0,35 -0,17

0,22

Таблица 11 - Объединение по фактору 12

Номер Названия параметра Нагрузка

1 (заболеваемость раком пищевода) 0.7043

30 (керосин в воде мг/л) 0,5693

37 (фенол в воде мг/л) 0,6453

41 (цинк в воде мг/л) 0,6990'

44 (аммиак в воздухе мг/м'') " -0,5146

Таблица 12 - Вклады параметров-аргументов в модели (12)

Номер Названия параметра Вклад в модель

30 (керосин в воде мг/л) 0,0967044

37 (фенол в воде мг/л) 0,8660473

41 (цинк в воде мг/л) 0,2361671

44 (аммиак в воздухе мг/м'1) 0,1989187

Таблица 13 - Характеристики модели (12)

Номер - Названия параметра Вклад в модель

1 Плутоний, в почве • 0,9830

2 Цезий 137,в почве . . . .. 0,0313

57 Ве-снег 0,0053

80 вг-волосы 0,0091

Таблица 15 - Характеристики модели (13)

_Характеристики модели____Значения

Коэффициент детерминации___0,95

Средняя абсолютная ошибка___ __5,54

Средняя ошибка в процентах__"1,84

Таблица 16 - Вклады параметров-аргументов в модели (14)

Таблица 17 - Характеристики модели(14)

__Характеристики модели__Значения

Коэффициент детерминации__0,96

Средняя абсолютная ошибка_____4,73

Средняя ошибка в процентах_;___;_2,67

Таблица 18 - Вклады параметров-аргументов в модели(15)

Номер . Названия параметра Вклад в модель

.... | Плутоний, в почве 0,9206 .

2 Цезий 137,в почве 0,3278

50 №-снег 0,0013

57 Ве-снсг 0,2736

60 • Оа-снег 0,0239

72 2п-волосы 0,0003

80 - Эг-волосы 0,0022

114 гп-молоко 0,0001

Таблица 19-Характеристики модели(15)

ЗАКЛЮЧЕНИЕ

1. Учитывая,что факторы человеческого организма и параметры техноге-неза окружающей среды могут определяться посредством измерений,предлагается новая методика исследования детерминированных процессов с использованием статистических методов для определения обусловленности заболеваний и смертности параметрами окружающей среды.

2. В результате анализа известных методов установлено,что обычная форма нахождения функциональных зависимостей параметров измерительных сигналов от их амплитудного и фазового спектра связана с использованием быстрого преобразования ряда Фурье и линейных регрессионных моделей. Этот путь достаточно трудоемок по машинным затратам и не приводит к моделям, адекватным истинным зависимостям, в случае нелинейности последних. Кроме этого, в ныне применяемом подходе остается открытым вопрос о гармониках амплитудного и фазового спектров, наиболее сильно связанных с исследуемым параметром.

3. В настоящей работе показано новое, более эффективное применение метода главных компонент для выделения гармоник амплитудного и фазового спектров, наиболее сильно влияющих на тот или иной параметр измерительного сигнала. Этот метод, несмотря на переход в пространство гипотетических переменных (факторов), позволил выделить связи между заданными параметрами и спектральными характеристиками.

По реализации параметров и связанных с ними гармоник спектров были построены с помощью ступенчатого регрессионного метода полиномиальные модели спектров и параметров, для чего автором был разработан алгоритм упрощенного ступенчатого регрессионного метода с автоматическим выбором оптимальной степени аппроксимирующего полинома.

Представление установленных спектров полиномиальными моделями дало возможность определить вклады параметров в рассматриваемые гармоники спектра, дать более точную количественную оценку связи между параметрами и выделенными гармониками по сравнению с методом главных компонент.

При построении исходных матриц для метода главных компонент и ступенчатого регрессионного метода не требуется применять быстрое преобразование ряда Фурье, что существенно снижает машинное время обработки (в 5-6 раз) по сравнению с существующей.

4. Программная реализация факторного анализа осуществлялась с использованием широко распространенного пакета SSP американской фирмы IBM. Автором разработана полезная подпрограмма по определению параметров, -объединившихся в каждом факторе.

Достаточно просто построена подпрограмма по реализации ступенчатого регрессионного метода, использование которой позволяет получать все необходимые для практического использования параметры: коэффициент детерминации, коэффициенты разложения, ошибки и т. д.

На основе использования программных реализаций факторного анализа

и ступенчатого регрессионного метода, определены связи между параметрами часто используемых сигналов и их спектров, построены их полиномиальные модели и модели параметров.

5. Наряду с построением полиномиальных моделей параметров для изучения динамики их изменения от значений спектральных характеристик показано использование ступенчатого регрессионного метода для приближений сигналов во временной области с достаточно высоким коэффициентом детерминации.

Преимуществом полиномиальных моделей является их достаточно простая схемная реализация, что делает возможным использование таких моделей во многих электронных и радиотехнических приборах.

Указанная методика оказалась достаточно эффективной при исследовании малых воздействий приливных изменений силы тяжести на характер изменения контролируемых параметров в медицине, биофизике, геоэкологии, в частности при определении обусловленности новообразований техногенными параметрами

окружающей среды, по разработанной методике были найдены параметры окружающей среды,наиболее значимые для определенного вида заболеваемости и смертности от новообразований. Получены модели прогнозирования новообразований на основе использования наиболее связанных параметров окружающей среды по различным районам области, по городу Оренбургу и в целом по Оренбургской области .

Список основных публикаций:

1. Колесник А.Н., Смирных Т.А Распределение больных злокачественными новообразованиями по полу и возрасту/Юренб. гос. уни-т,Оренбург,2001 6с/Рукопись деп. в ВИНИТИ 16.08.2002 г. № 1500-В2002/(Цоля автора 50%).

2. Колесник А.Н., Смирных Т.А Число больных с впервые в жизни установленным диагнозом злокачественного новообразования в г.Оренбурге (на 100000 жителей)//Оренб. гос. уни-т,0ренбург,20014с./Рукопись деп. в ВИНИТИ 16.08.2002 г. № 1501-В2002/(Цоля автора 50%).

3. Колесник А.Н., Смирных ТА. Прогноз заболеваемости населения Оренбургской области злокачественными новообразованиями.//Оренб. гос. унит, 0ренбург,2001 7с/Рукопись деп. в ВИНИТИ 16.08.2002 г. № 1502-В2002 /

(Цоля автора 50%).

4. Колесник А.Н., Смирных Т.А. Прогноз смертности от злокачественных новообразований населения Оренбургской области//Оренб. гос. уни-т,О-ренбург,2001 4с./Рукопись деп. в ВИНИТИ 16.08.2002 г. № 1503-2002 /(Доля автора 50%).

5. Чепасов В.И., Колесник А.Н., Смирных ТА Новообразования и окружающая средаУОренбург: ИПК ГОУ ОГУ,2001 - 150с, Методическое пособие. (Доля автора 30%).

6.Рычко O.K., Чепасов В.И., Колесник А.Н. Алгоритм минимизации количества параметров исследования в геоэкологии //Вестник Оренбургского государственного университета. №3,2004. - С. 13-18 (Доля автора 30%).

Формат 60x84 '/,6, гарнитура «Тайме» Усл. печ. листов 1,0. Тираж 100 экз, Заказ 129.

РИК ОГУ

460352, г. Оренбург, пр. Победы 13, Оренбургский государственный университет.

tr 87 3 t

Содержание диссертации, кандидата технических наук, Колесник, Алексей Николаевич

ВВЕДЕНИЕ

ГЛАВА I. ОБЗОР СУЩЕСТВУЮЩИХ МЕТОДОВ

РЕШЕНИЯ ОБОЗНАЧЕННОЙ ПРОБЛЕМЫ

1.1 Быстрое преобразование Фурье - , , t

1.2 Предварительная обработка данных

1.3 Методы корреляционного и регрессионного анализа

1.4 Косинор-анализ

1.5 Постановка задачи и общая реализация

ГЛАВА II. РАЗРАБОТКА МЕТОДИКИ ПРИМЕНЕНИЯ

ФАКТОРНОГО АНАЛИЗА

2.1 Метод главных компонент

2.2 Формализация метода главных компонент

2.3 Алгоритм метода главных компонент

2.4 Программная реализация метода главных компонент

2.5 Пример использования метода главных компонент

ГЛАВА III. РАЗРАБОТКА МЕТОДИКИ ПРИМЕНЕНИЯ

РЕГРЕССИОННОГО МЕТОДА

3.1 Постановка задачи

3.2 Алгоритм метода

3.3 Определение вкладов 56 3.4. Описание исходных данных 57 3.5 Описание переменных в программе 58 3.6. Программная реализация упрощенного метода Брандона

ГЛАВА IV. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ ПО ГОРОДУ ОРЕНБУРГУ

4.1 Обусловленность заболевания раком легкого ^параметрами окружающей среды в городе Оренбурге

4.20бусловленность заболевания раком крови параметрами окружающей среды в городе Оренбурге

4.3 Обусловленность заболевания раком пищевода параметрами окружающей среды в городе Оренбурге

4.4 Обусловленность заболевания раком прямой кишки параметрами окружающей среды в городе

Оренбурге за период

4.5 Обусловленность заболевания раком молочной железы параметрами окружающей среды в городе

Оренбурге

4.6 Обусловленность заболевания раком губы,носоглотки параметрами окружающей среды в городе Оренбурге

4.7 Обусловленность заболевания раком матки параметрами окружающей среды в городе

Оренбурге

4.8 Обусловленность заболевания раком прочих органов дыхания параметрами окружающей среды в городе Оренбурге

ГЛАВА V. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ ПО РАЙОНАМ ОРЕНБУРГСКОЙ ОБЛАСТИ

5.1 Обусловленность новообразований радиоактивными и микроэлементами в Александровском районе

5.2 Обусловленность новообразований радиоактивными и микроэлементами в Тоцком районе

5.3 Обусловленность новообразований радиоактивными и микроэлементами в Красногвардейском районе

5.4 Обусловленность новообразований радиоактивными и микроэлементами в Шарлыкском районе

5.5 Обусловленность новообразований радиоактивными и микроэлементами в Сорочинском районе 138 ЗАКЛЮЧЕНИЕ

Введение Диссертация по наукам о земле, на тему "Методологические схемы определения качественных и количественных обусловленностей параметров техногенеза"

Актуальность темы. Окружающая среда и человеческий организм - многопараметрические и многофакторные объекты, тесно связанные и взаимодействующие между собой. Такое взаимодействие в случаях нарушения человеком окружающей среды, в результате сверхнормативного техногенеза может иметь отрицательные последствия, в том числе и для жизнеобеспечения населения, предопределяя его заболеваемость.

В связи с этим необходимо определение обусловленности факторов человеческого организма биологически значимыми параметрами окружающей среды.

Поскольку параметры окружающей среды и факторы человеческого организма определяются посредством либо дискретного, либо непрерывного измерения, то для оценки обусловленности могут использоваться детерминированные подходы, связанные со спектральными методами, и статистические, связанные с корреляционным и факторным анализами и с моделями нелинейной регрессии. Исключительно важно определение параметров объектов исследования по их спектральным характеристикам, что связано с периодичностью изменчивости компонентов окружающей среды, и факторов человеческого организма.

В связи с чем, представляется актуальным исследование влияния слабых воздействий окружающей среды (солнечная активность, магнитная активность, приливные изменения силы тяжести и т.д.) на отдельные группы населения в условиях техногенеза.

Временной характер изменения заданных параметров предопределяет проблему локального и регионального прогноза по различным видам онкозаболеваний (новообразований), включая количественные оценки качественных показателей для осуществления классификаций заболеваемости. Кроме этого методически важно оценить результаты объединений параметров факторным анализом по физическим вкладам в регрессионных моделях этих параметров.

Решение указанных вопросов позволит значительно упростить определение обусловленности параметров, оптимизировать модели прогнозирования и сократить время проведения экспресс-анализа параметров техногенеза окружающей среды.

В связи с вышеизложенным целью диссертационной работы является геоэкологическое, математическое моделирование и разработка системы методов для анализа и прогноза техногенно обусловленных новообразований среди взрослого населения районов Оренбургской области.

Для достижения поставленной цели были решены следующие задачи:

- выполнен анализ состояния изученности обозначенной проблемы, в том числе компонентах окружающей среды и распространенности новообразований среди населения региона исследования;

- проведен выбор антропогенных параметров окружающей среды и характеризующих состояние здоровья населения города Оренбурга и районов Оренбургской области;

- разработаны математические модели, описывающие корреляционные связи между параметрами окружающей среды и распространенностью новообразований;

- предложена методика прогнозирования новообразований по основным природным и техногенным параметрам;

- выявлены качественные связи между параметрами измеряемого сигнала и его спектральными характеристиками, с использованием метода главных компонент;

- обоснована возможность применения упрощенного алгоритма ступенчатого регрессионного метода для построения полиномиальных моделей искомых параметров;

- разработан комплекс программ для реализации метода главных компонент и ступенчатого регрессионного метода;

- выполнены экспериментальные проверки моделей прогнозирования и оценка применимости разработанных методов в других субъектах РФ.

Объектом исследования является система: "техногенные параметры окружающей среды - новобразования", а методикой исследования - комплексная, содержащая методы системного анализа, математической статистики, теории цифровой обработки исходных данных, математического моделирования и другие.

Научная новизна работы заключается в следующем:

- предложен упрощенный алгоритм ступенчатого регрессионного метода;

- дана оценка вкладов как результатов варимаксного вращения матрицы факторных нагрузок;

- рассмотрено приближение геоэкологических процессов рациональными полиномами.

Наиболее существенные результаты, полученные лично автором:

- разработан метод оценок вкладов в полиномиальных моделях;

- предложена количественная оценка качественных признаков для факторов человека и параметров окружающей среды;

- разработан алгоритм уплотнения матрицы факторных нагрузок в случае ее вырождения.

Достоверность научных положений, выводов и рекомендаций работы подтверждается:

- теоретическими исследованиями обусловленности новообразований качественными и количественными параметрами техногенеза;

- сопоставлением результатов прогнозирования новобразований по полученным моделям с фактической диагностикой медицинскими учреждениями г.Оренбурга.

Практическую ценность работы составляют: разработанные методы, алгоритмы и программы для построения полиномиальных моделей, возможность более оперативного получения моделей заданных параметров по сравнению с использованием быстрого преобразования рядов Фурье, методика расчета критических точек приливных изменений силы тяжести, прогноз периодов проведения требуемых операций, получение моделей прогноза на множестве обусловленных параметров, проведение косинор-анализа на временных массивах показателей, методика проведения экспресс-анализа на базе разработанного программного комплекса - которые были внедрены в учреждениях государственной санитарно-эпидемиологической службы Оренбургской области, в Оренбургской областной онкологической больнице для прогнозирования радиорезистентного рака молочной железы, в Оренбургском государственном университете в учебных курсах: "Математическое моделирование", "Геоэкологический мониторинг".

Основные положения, выносимые на защиту :

-методика адаптированного использования корреляционного анализа в геоэкологии;

-модификация метода главных компонент для определения групповых обусловленностей параметров и факторов исследования;

-алгоритм упрощенного метода Брандона;

-оценка количественной обусловленности изучаемых параметров;

-модели прогнозирования новообразований по районам Оренбургской области.

Основные результаты диссертационной работы доложены и обсуждались на: семинаре Оренбургской государственной медицинской академии (Оренбург; 2000г.), научно-практической конференции "Новые подходы к оценке реактивности организмов: математическое моделирование, функциональная диагностика, клиника, влияние геофизических факторов" (г.Оренбург, 2001г.), научно-практической конференции "Корреляции биологических и физико-химических процессов с солнечной активностью и другими факторами окружающей среды" (г. Оренбург, 2000г.), полученные прогностические модели прогноза были использованы для прогноза новообразований в 2000-2002 годах, результаты которого не превысили 12% разницы по сравнению с фактическими значениями.

Заключение Диссертация по теме "Геоэкология", Колесник, Алексей Николаевич

б.Результаты исследования могут использоваться как методика определения качественных парных обусловленностей между параметрами исследования в геоэкологии, как методика определения качественных групповых обусловленностей между параметрами исследования в геоэкологии ,как методика определения количественных обусловленностей между параметрами исследования в геоэкологии, для уменьшения числа заболеваемостей новообразованиями, для уменьшения смертности от новообразований, для многопараметрического прогноза заболеваемостей новообразованиями, для многопараметрического прогноза смертностей от новообразований.

ЗАКЛЮЧЕНИЕ

1.Учитывая,что факторы человеческого организма и параметры техногенеза окружающей среды могут определяться посредством измерений,предлагается новая методика исследования детерминированных процессов с использованием статистических методов для определения обусловленности заболеваний и смертности параметрами окружающей среды.

2.В результате анализа известных методов установлено,что обычная форма нахождения функциональных зависимостей параметров измерительных сигналов от их амплитудного и фазового спектра связана с использованием быстрого преобразования ряда Фурье и линейных регрессионных моделей. Этот путь достаточно трудоемок по машинным затратам и не приводит к моделям, адекватным истинным зависимостям, в случае нелинейности последних. Кроме этого, в ныне применяемом подходе остается открытым вопрос о гармониках амплитудного и фазового спектров, наиболее сильно связанных с исследуемым параметром.

3.В настоящей работе показано новое, более эффективное применение метода главных компонент для выделения гармоник амплитудного и фазового спектров, наиболее сильно влияющих на тот или иной параметр измерительного сигнала. Этот метод, несмотря на переход в пространство гипотетических переменных (факторов), позволил выделить связи между заданными параметрами и спектральными характеристиками.

По реализации параметров и связанных с ними гармоник спектров были построены с помощью ступенчатого регрессионного метода полиномиальные модели спектров и параметров, для чего автором был разработан алгоритм упрощенного ступенчатого регрессионного метода с автоматическим выбором ' оптимальной степени аппроксимирующего полинома.

Представление установленных спектров полиномиальными моделями дало возможность определить вклады параметров в рассматриваемые гармоники спектра, дать более точную количественную оценку связи между параметрами и выделенными гармониками по сравнению с методом главных компонент.

При построении исходных матриц для метода главных компонент и ступенчатого регрессионного метода не требуется применять быстрое преобразование ряда Фурье, что существенно снижает машинное время обработки (в 5—6 раз) по сравнению с существующей.

4.Программная реализация факторного анализа осуществлялась с использованием широко распространенного пакета SSP американской фирмы IBM. Автором разработана полезная подпрограмма по определению параметров, объединившихся в каждом факторе.

Достаточно просто построена подпрограмма по реализации ступенчатого регрессионного метода, использование которой позволяет получать все необходимые для практического использования параметры: коэффициент детерминации, коэффициенты разложения, ошибки и т. д.

На основе использования программных реализаций факторного анализа и ступенчатого регрессионного метода, определены связи между параметрами часто используемых сигналов и их спектров, построены их полиномиальные модели и модели параметров.

5.Наряду с построением полиномиальных моделей параметров для изучения динамики их изменения от значений спектральных характеристик показано использование ступенчатого регрессионного метода для приближений сигналов во временной области с достаточно высоким коэффициентом детерминации.

Преимуществом полиномиальных моделей является их достаточно простая схемная реализация, что делает возможным использование таких моделей во многих электронных и радиотехнических приборах.

Указанная методика оказалась достаточно эффективной при исследовании малых воздействий приливных изменений силы тяжести на характер изменения контролируемых параметров в медицине, биофизике, геоэкологии, в частности при определении обусловленности новообразований техногенными параметрами окружающей среды, по разработанной методике были найдены параметры окружающей среды,наиболее значимые для определенного вида заболеваемости и смертности от новообразований. Получены модели прогнозирования новообразований на основе использования наиболее связанных параметров окружающей среды по различным районам области, по городу Оренбургу и в целом по Оренбургской области.

Библиография Диссертация по наукам о земле, кандидата технических наук, Колесник, Алексей Николаевич, Оренбург

1. Матханов П. Н. Основы анализа электрических цепей. Линейные цепи. -М.: Высшая школа, 1981.-е илл.

2. Фихтенгольц Г. М. Основы математического анализа. М.: Высшая школа, 1965.

3. Бендат Д. Ж., Пирсол А. Измерение и анализ случайных процессов. М.: Мир, 1974.

4. Адлер Ю. П. Введение в планирование эксперимента. М.: Металлургия, 1969.

5. Вольтер В. В. Применение метода множественной корреляции. Труды ЦНИИКА, вып. 5, 1963.

6. Гутер Р. С., Овчинский В. В. Элементы численного анализа и математической обработки результатов опыта. М.: Наука, 1970.

7. Драйпер Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973.

8. Brandon D. В. Developing Mathematical Models for Computer Control, USA Journal, 1959, V.S,N7.

9. Гутников В. С. Интегральная электроника в измерительных устройствах. 2-е изд., переработ, и доп.-Л.: Энергоатомиздат, 1988.-С.132.

10. Харман Г. Современный факторный анализ.-М.:Сатистика, 1972.

11. Иберла К. Факторный анализ.-М.'Статистика, 1980.

12. Lawley D.M. The estimation of factor loadings by the method of maximum likelihood. Proc. roy. Soc. Edinb. Abo. 64-82(1940).

13. Kaiser H. F. 1. The varimax criterio for analytic rotation in factor analysis. Psychometrica, 23, 187-200(1958).

14. Шевеленко В. Д. Использование особенностей спектров импульсов для измерения параметров гармонического напряжения. Приборостроение. М.: Высшая школа, 1981.1т

15. Булатов В. Н. Анализ и использование свойств спектров для определения параметров импульсно-модулированных сигналов. 1987.

16. Мак-Кракен Д., Дорн У. Численные методы и программирование на Фортране. М.: Мир, 1977.

17. Маделунг Э. М. Математический аппарат физики. М.: Наука, 1969.

18. Коваленко И. Н., Филиппова А. А. Теория веротности и математическая статистика. М.: Высшая школа, 1973.

19. Радд У. Программирование на языке ассемблер и вычислительные системы IBM 360 и 370.

20. Редактор Дж. Вэн. Райзин. Классификация и кластер. М.: Мир, 1980.

21. Branett V.D. (1970). Fitting Straight Lines The Linear. Functional Relationship Whith Replicated Obser Vations.Appl. Statist, 19, 135-144.

22. Матханов П. H. Основы анализа электрических цепей. Нелинейные цепи. М.: Высшая школа, 1986.

23. Бессонов Л. А. Теоретические основы электротехники. Ч. 1-2. М.: Высшая школа, 1978.

24. Харкевич В. А. Нелинейные и параметрические явления в радиотехнике, М.: Гостехиздат, 1965.

25. Чуа J1. О., Пен-Мин Лин. Машинный анализ электронных схем. Пер. с англ. - М.: Энергия, 1980.

26. Нейман Л. Р., Демирчян К. С. Теоретические основы электротехники, т. 2. -Л.: Энергия, 1981.

27. Чепасов В. И., Матханов П. Н. Определение параметров сигналов с ЛЧМ на основе полиноминальных моделей спектров // II Всесоюз. научн.-техн. конференция "Измерение параметров формы и спектра радиотехнических сигналов". Тез. докл. Харьков, 1989.-С.21-23.

28. Чепасов В. И., Кутузов В. И. Определение параметров сигналов по амплитудным и фазовым спектрам // Радиотехнические устройства и системы: сборник научн.-техн. труд. Харьков, 1989. - С. 122-124.

29. Чепасов В. И., Кутузов В. И. Обусловленность амплитудного и фазового спектров посредством параметров сигнала // Радиотехнические устройства системы: сб. науч.-техн. трудов, Харьков, 1989. - С. 96-98. . .

30. Штиль А. А., Смолягин А. И., Чепасов В. И. Факторный анализ в оценке клинико-иммунологических параллелей у больных хроническим гиперпластическим ларингитом //Лабораторное дело N 12. М.: 1987.

31. Штиль А. А., Смолягин А. И., Чепасов В. И. Изучение иммунологических параметров у здоровых лиц. Труды 1-го съезда физиологов Уральского региона. Уфа, 1986. - С.91-93.

32. Булатов В. Н. Анализ и использование свойств спектров для определения параметров импульсно-модулированных колебаний. Диссертационная работа. Л.: ЛЭТИ, 1988.

33. Федорков Б. Г., Телец В. А., Дегтяренко В. П. Микроэлектронные циф-роаналоговые и аналогоцифровые преобразователи. М.: Радио и связь, 1984.

34. Бородулина М. Г., Гош Т. Е., Орлов Г. М. Предраковые процессы в гортани. М.: 1980.

35. Евсевьева А. И., Киндзельский Л. П., Уманский Ю. А. // Лаб. дело. -1976.-N2. С.70-72.

36. Земсков А. М. // Там же. 1986. - N 9. - С.544-548.

37. Иберла К. Факторный анализ: Пер. с нем. М.: 1980.

38. Константинова Н. А., Чередеев А. Н., Киликовский В. В., Голенков А. К. //Лаб. дело. 1986. N 3. - С.157-159.

39. Кузьмина Е. Г., Байсоголов Г. Д. // Иммунология. 1984. - N6. - С.54-58.

40. Кульберг А. Я. Регуляция иммунного ответа. М.: 1986.

41. Петров Р. В., Стенина М. А., Лебедев К. А. // Бюл. экспер. биол. 1976. N 2. - С. 197-199.

42. Петров Р. В., Лебедев К. А., Понякина И. Д., Петрухин И. С. // Журн. микробиол. 1983. - N 9. - С.99-105.

43. Петров Р. В., Лебедев К. А. // Иммунология. 1984. - N 6. - С.38-43.

44. Петров Р. В., Ковальчук Л. В., Константинова Н. А. и др. // Журн. микробиол. 1985.-N 3. - С. 61-67.

45. Понякина И. Д. // Иммунология. 1985. - N 6. С. 15-20.

46. Штиль А. А., Смолягин А. И. // Вестн. оторинолар. 1986. - N 6. - С.7578.

47. Boyum А. // Scand. J.Clin.Lab.Invest. 1968. - Vol, 21, Suppl.97.

48. Bresnihan В., Jasin H. E. // J. Clin, invest. 1977. - Vol. 59. - P.106-116.

49. Haskova V., Kaslik J., Riha I. et al. // Z.Immun. Forsch. - 1978. - Bd 154. -S.399-406.

50. Limatibul S., Shore A., Dosch H. M., Gelfand E. W. // Clin. exp. Immunol. -1978,-Vol.33 H.503-513.

51. Mancini G., Carbonara A., Heremans I. // Immunochemistry. 1965. - Vol. 2. -P. 235-254.

52. Shov L., Schwartz S. A., Good R. A. // J. exp. Med. 1976. - Vol. 143 - P. 1100-1106.

53. Лебедева И. В. Состояние здоровья и демографические процессы сельского населения //Автореф. на соискание ученой степени доктора медицинских наук. 1988, Оренбург.

54. Шиган Е. Н. Методы прогнозирования и моделирования в социально-гигиенических условиях. Изд. "Медицина". - 1986. - С.208.

55. Шиган Е. Н. Применение математических методов и вычислительной техники в статистике здравоохранения. М.: 1973, 14 с.

56. Фишер Р. Статистические методы для исследователей. Пер. с англ. М.: 1958.

57. Айвазян С. А., Бежаева 3. И., Староверов О. В. Классификация многомерных наблюдений. М.: Статистика. - 1971. - 240 с.

58. Аркадьев А. Г., Браверман Э. М. Обучение машины классификации объектов. М.: Наука. - 1971. - 192 с.

59. Баевский Р. М. Прогнозирование состояний на грани и патологии. М.: Медицина. 1979.

60. Барюд Р., Прошан Ф. Статистическая теория надежности и испытания на безотказность. М.: Наука. 1984. - 328 с.

61. Бедный М. С. Демографические процессы и прогнозы здоровья населения. М.: Статистика. - 1972. - 302 с.

62. Беляев И. И. Окружающая среда и онкологическая заболеваемость населения. В кн.: философские и социально-гигиенические аспекты окружающей среды. - М.: Медицина. - 1976. - С.297-316.

63. Корнеев А.Г. Радиоэкологическая оценка цитогенетических нарушенийу жителей сельских населенных пунктов: диссертация на соискание ученой степени к.б.н.-Оренбург,ОГМА, 1998.- 136с.: ИЛ.

64. Байгильдина Jl. М. Клинико-диагностическое значение оксалатно-кальциевой кристаллурии у детей при оксалатной нефропатии и интерстициаль-ном нефрите метаболического генеза. М.: 1987.

65. Баевский Р. М. Прогнозирование состояний на грани нормы и патологии. М.: 1979.

66. Балмасов А. А., Свешников А. В. Диспансеризация. JL: 1982.

67. Барашнев Ю. И., Вельтищев Ю. Е. Наследственные болезни обмена веществ у детей. Л.: 1978.

68. Барац С. С. Терминология, факторы риска и активное выявление пре-морбидных состояний // Всесоюзный съезд терапевтов. 18-й. Предболезнь -болезнь выздоровление / 24.03.81 г. Л.: Тез.-докл.-Ч.1-М.:1981. - С. 102-104.

69. Бах А., Зубкова Н. Количественное определение активности каталазы крови по методу Баха и Зубковой // Практикум по биохимии животных и человека / под ред. Г. П. Березова. М.: 1967. - С. 83-84.

70. Бачюлис В. П. Значение иммунофлюоресцентного исследования бактерий мочи и критерии дифференциальной диагностики пиелонефрита и цистита у детей. Дисс. .канд. мед. наук. - Вильнюс. - 1983.

71. Берман В. М., Славская Е. И. Завершенный фагоцитоз // ЖМЭИ- 1958. -N3.-C. 6-11.

72. Биохимические показатели крови у детей в норме и патологии // Методические рекомендации МЗ РСФСР. М.: 1970. - С.rr

73. Боженов Ю. А. Возможности распознавания нефротуберкулеза у детей. -Автореф. дисс. .канд. мед. наук. Хабаровск, 1978.

74. Бондаренко В. М., Яблочков А. Л. Антилизоцимная активность как генетически контролируемый фактор патогенности энтеробактерий. // Персистен-ция микроорганизмов: Сб. научн. трудов. Куйбышев, 1987. - С. 85-89.

75. Боровикова М. П. Группы и факторы риска развития нефропатий по данным популяционного и селективного исследования детей. Автореф. дисс. .канд. мед. наук. - М.: 1983. - 19с.

76. Бочаров Е. Ф. Поражение сердца при инфекции, вызванной вирусами Коксаки // Вопросы ревматизма. 1980. - N3. - С. 59-61.

77. Бочков Н. П., Гинтер Е. К. Генетические подходы к изучению хронических заболеваний человека // Тер. арх. 198 Г. - Т. 53. - N 1. - С. 3-6.

78. Бочков Н. П., Захаров А. В., Иванов В. И. Медицинская генетика. М.: 1984.-С.217-237.

79. Бочков И. П., Иванов В. И. Генетические факторы хронизации заболеваний // Всесоюзный съезд терапевтов. 19-й / тезисы докладов и сообщений. М.: 1987. С.15-16.

80. Бурлакова Е. Б. Молекулярные механизмы действия антиоксидантов при лечении сердечно-сосудистых заболеваний // Кардиология. 1980. - Т. 20. - N 8.1. С.48-52.

81. Бурлакова Е. Б., Храпова И. Г. Перекисное окисление липидов мембран и природные антиоксиданты // Успехи химии. 1985. - Т. 54. - Вып. 9. - С.1540-1558.

82. Бурова В. Я. Ультраструктурные изменения и критерии состояния цито-мембран почечного эпителия при токсических и иммунных воздействиях. -Автореф. дисс. .канд. биол. наук. М.: 1981. - 23с.

83. Бурцев В. И. Хронический пиелонефрит /вопросы экологии, клиники, диагностики и лечения/ Автореф. дисс. .докт. мед. наук. - М.: 1976.

84. Бурцев В.' И., Кочемасова 3. Н., Баканова Д. Я. К вопросу о механизмах развития хронического пиелонефрита // Всесоюзный съезд терапевтов. 19-й / Тез. докл. и сообщений. М.: 1987. - С. 395.

85. Бухарин О. В. Удостоверение N 23 за рационализаторское предложение: "Расчетная таблица по определению количества лизоцима в сыворотке крови турбидметрическим методом" от 10.03.1971.- ОГМИ.

86. Бухарин О. В., Фролов Б. А., Аникин И. А., Митрофанова М. Д. и др. Некоторые методические аспекты количественного изучения лизоцима в секретах и тканях организма // Неспецифический иммунитет: сб. трудов ОГМИ под ред. О. В. Бухарина. Оренбург, 1971.

87. Бухарин О. В., Луда А. П. Иммунологические лабораторные методы исследования крови. Оренбург, 1972.

88. Бухарин О. В., Фролов Б. А., Луда А. П. Ускоренный метод определений бета-лизинов в сыворотке крови // ЖМЭИ. 1972. - N 9. - С. 42-44.

89. Бухарин О. В., Усвяцов Б. Я. Антилизоцимный тест как маркер перси-стенции микроорганизмов // Теоретическая и прикладная иммунология: Тезисы докладов I Всесоюзной конференции. М.: 1982. - С.87-88.

90. Бухарин О. В., Усвяцов Б. Я., Малышкин А. П., Немцева Н. В. Метод определения антилизоцимной активности микроорганизмов // ЖМЭИ. 1984. - N 2. - С.27-29.

91. Бухарин О. В., Усвяцов Б. Я. Новый принип выделения внутриклеточ-но паразитирующих микроорганизмов // Всесоюзный съезд микробиологов и эпидемиологов. 5-й / Тезисы докладов. М,: 1985. - С. 171-172.

92. Бухарин О. В. Антилизоцимный признак бактерий и перспективы его практического использования // Персистенция микроорганизмов: Сб. научн. трудов под ред. засл. деят. науки РСФСР проф. О. В. Бухарина. Куйбышев, 1987.-С.4-10.

93. Рычко O.K., Чепасов В.И., Колесник А.Н. Алгоритм минимизации количества параметров исследования в геоэкологии //Вестник Оренбургского государственного университета. №3, 2004. С. 13-18 .