СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

Статья посвящена методам гибридного моделирования резко трансформирующихся процессов в адаптивных биоинформационных системах. Отсутствие альтернативных методов регуляции и корректировки решений часто ведет к необратимому истощению ресурсов при систематической переоценке норм воздействия. Одной из проблем регулирования является ситуация с внезапным кризисом ранее внешне стабильных природных, социальных или экономических процессов. Переход к безвозвратной деградации развивается в форме внезапно обнаруженного сокращения ресурсов или капитализации акций. Важные сценарии кризисов не были выявлены в прогнозах экспертами, использующими для управления искаженную информационную проекцию реальной ситуации по усредненным оценкам репродуктивного потенциала запасов. В работе установлена причина ошибочных экспертных прогнозов и исследованы критические состояния с резким падением темпа восполнения. Для анализа системного коллапса рассмотрены методы моделирования пороговых явлений. Предложены уравнения с включением неустойчивого критического равновесия, но они не описывают ситуацию ложной стабилизации.  Развивается метод с включением в гибридные структуры модели адаптивных функций, гибко изменяющих величину восполнения используемых активов в зависимости от их прошлого состояния. Метод с событийным переключением правой части уравнений и с включением факторов убыли при изменениях стадии процесса описывает пороговые эффекты, влияющие на принятие решений экспертами при управлении активами. Модификации гибридных структур показали широкие возможности по результатам метода сравнения в серии модельных сценарных экспериментов. Получены многообразные нелинейные формы зависимости запаса и воспроизводства, используемой как функциональные итерации. Исследован сценарий «кризис при регулировании» для ценных возобновляемых ресурсов с переходными режимами флуктуаций, сложными для оценки состояния экспертами и принятия решений. Нелинейные процессы в форме коллапса актуальны для кризисных ситуаций на фондовых рынках или всплеска ажиотажной активности в социальных сетях.

Borisova T.Y., Perevaryukha A.Yu. On the physicochemical method of analysis of the formation of secondary immunodeficiency as a bioindicator of the state of ecosystems using the example of seabed biota of the Caspian Sea // Technical Physics Letters. – 2022. – Vol. 48. – P. 251–257. – DOI: 10.1134/S1063785022090012.

Sheeza M. Metabolic adaptation and fragility in healthy 3D in vitro skeletal muscle tissues exposed to chronic fatigue syndrome and Long COVID-19 sera // Biofabrication. – 2025. – Vol. 17. – P. 45–56. – DOI: 10.1088/1758-5090/adf66c.

Optimal control of sustainable development in the biological rehabilitation of the Azov Sea / A.V. Nikitina, A.I. Sukhinov, G.A. Ugolnitsky, A.B. Usov, A.E. Chistyakov, M.V. Puchkin, I.S. Semenov // Mathematical Models and Computer Simulations. – 2017. – Vol. 9 (1). – P. 101–107. – DOI: 10.1134/S2070048217010112.

Topological data analysis for selection of machine learning models in cerebral stroke detection with limited resources / A. Vatian, N. Gusarova, I. Tomilov, P. Brunko, A. Zubanenko // IADIS International Journal on Computer Science and Information Systems. – 2024. – Vol. 19 (2). – P. 72–86.

Ганжа К.А., Неверова Г.П. Модель Морана – Рикера с запаздыванием: управление динамикой популяции с неперекрывающимися поколениями // Математическая биология и биоинформатика. – 2025. – Т. 20, № 1. – С. 147–165. – DOI: 10.17537/2025.20.147.

Абакумов А.И., Израильский Ю.Г. Стабилизирующая роль структуры рыбной популяции в условиях промысла при случайных воздействиях среды обитания // Компьютерные исследования и моделирование. – 2017. – № 4. – С. 609–620.

Ильичев В.Г. Оптимизация и пространственная адаптация в проблеме многолетнего вылова рыбных популяций // Проблемы управления. – 2014. – № 2. – С. 66–74.

Ильичев В.Г., Дашкевич Л.В. Оптимальный промысел и эволюция путей миграции рыбных популяций // Компьютерные исследования и моделирование. – 2019. – № 5. – С. 879–893.

Holden M, Stephen E.P. Human judgment vs. quantitative models for the management of ecological resources // Ecological Applications. – 2016. – Vоl. 26. – P. 1553–1565.

Roughgarden J., Smith F. Why fisheries collapse and what to do about it // Proceedings of the National Academy of Sciences of the United States of America. – 1996. – Vol. 93. – P. 5078–5083.

Ludwig D., Jones D.D., Holling C.S. Qualitative analysis of insect outbreak systems: the spruce budworm and forest // The Journal of Animal Ecology. – 1978. – Vol. 47 (1). – P. 315–332.

Bazykin A.D. Theoretical and mathematical ecology: dangerous boundaries and criteria of approach them // Mathematics and Modelling. – New York: Nova Science Publishers, 1993. – P. 321–328.

Kriksunov E.A. Theory of recruitment and interpretation of fish population dynamics // Journal of Ichthyology. – 1995. – Vol. 35 (7). – P. 10–37.

Соотношение роста и некоторых биохимических показателей рыб на примере микижи Parasalmo mykiss Walb. / М.В. Чурова, О.В. Мещерякова, Н.Н. Немова, М.И. Шатуновский // Известия Российской академии наук. Серия биологическая. – 2010. – № 3. – С. 289–299.

Perevaryukha A.Y. Modeling abrupt changes in population dynamics with two threshold states // Cybernetics and Systems Analysis. – 2016. – Vol. 52 (4). – P. 623–630.

Пороговые эффекты в управлении популяционной динамикой раковых клеток в организме / Е.В. Инжеваткин, В.А. Неговорова, А.А. Савченко, В.А. Слепков, Е.В. Слепов, В.Г. Суховольский, Р.Г. Хлебопрос // Проблемы управления. – 2008. – № 5. – С. 73–80.

Shornikov Yu.V., Timofeev K.A. Еvent-discrete traffic control models // Optoelectronics, Instrumentation and Data Processing. – 2024. – Vol. 60 (2). – P. 276–283.

Shornikov Yu.V., Senichenkov Yu.B., Ryzhov V.A. Comparative analysis of computer modeling and simulation environments under the inmotion project // Университетский научный журнал. – 2017. – № 30. – С. 58–65.

Детерминированный хаос и проблема предсказуемости динамики популяций / А.Б. Медвинский, Н.И. Нуриева, А.В. Русаков, Б.В. Адамович // Биофизика. – 2017. – Т. 62, № 1. – С. 107–126.

Дубровская В.А., Переварюха А.Ю., Трофимова И.В. Модель динамики структурированных субпопуляций осетровых рыб Каспия с учетом отклонений в темпах развития молоди // Журнал Белорусского государственного университета. Биология. – 2017. – № 3. – С. 76–86.

Борисова Т.Ю., Переварюха А.Ю., Соловьева И.В. Проблемные аспекты моделирования популяционных процессов и критерии их согласования // Математические машины и системы. – 2017. – № 1. – С. 71–81.

Михайлов В.В., Переварюха А.Ю. Моделирование динамики биогенной нагрузки при оценке эффективности восполнения биоресурсов // Информационно-управляющие системы. – 2017. – № 4. – С. 103–110.

Соколов А.В. Моделирование эволюции популяций с возрастной структурой: связь рождаемости со скоростью изменения среды // Труды Института системного анализа Российской академии наук. – 2014. – Т. 64, № 3. – С. 53–59.