Системы анализа и обработки данных

СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

ISSN (печатн.): 2782-2001          ISSN (онлайн): 2782-215X
English | Русский

Последний выпуск
№3(103) Июль-Сентябрь 2026

Метод гибридного моделирования критических состояний для анализа экспертно управляемых адаптивных процессов

Выпуск № 2 (102) Апрель - Июнь 2026
Авторы:

Переварюха Андрей Юрьевич ,
DOI: http://dx.doi.org/10.17212/2782-2001-2026-2-51-68
Аннотация

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.


Ключевые слова: гибридные структуры, предикативные формы правой части, иерархии дискретных событий, сценарии, эксперименты, критические неустойчивые точки, коллапс, логика экспертного управления, природопользование, биоресурсы, имитация выбора решений
Переварюха Андрей Юрьевич
197101, РФ, г. Санкт-Петербург, Кронверкский пр., 49, Национальный исследовательский университет ИТМО,
madelf@rambler.ru
Orcid: 0000-0002-1049-0096
Scopus ID: 43861701500

Список литературы

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.

Благодарности. Финансирование

Исследование выполнено в рамках Государственного задания ИТМО № FSER-2025-0013

Просмотров аннотации: 291
Скачиваний полного текста: 84
Просмотров интерактивной версии: 0
Для цитирования:

Переварюха А.Ю. Метод гибридного моделирования критических состояний для анализа экспертно управляемых адаптивных процессов // Системы анализа и обработки данных. – 2026.?– № 2 (102). – С. 51–68. – DOI: 10.17212/2782-2001-2026-2-51-68.

For citation:

Perevaryukha A.Yu. Metod gibridnogo modelirovaniya kriticheskikh sostoyanii dlya analiza ekspertno upravlyaemykh adaptivnykh protsessov [A hybrid modeling method for critical states to analyze expert-controlled adaptive processes]. Sistemy analiza i obrabotki dannykh = Analysis and Data Processing Systems, 2026, no. 2 (102), pp. 51–68. DOI: 10.17212/2782-2001-2026-2-51-68.

 

 

Обработка персональных данных

Мы используем сервис веб-аналитики Яндекс Метрика, который использует cookie.

Собранная при помощи cookie информация не может идентифицировать вас, однако может помочь нам улучшить работу нашего сайта. Вы можете отказаться от использования cookies, выбрав соответствующие настройки в браузере. Также Вы можете запретить сбор данных с помощью расширения для браузера «Блокировщик Яндекс Метрики». Используя этот сайт, вы соглашаетесь на обработку персональных данных.