Моделирование и обработка данных суточной термометрии
Автор: Цыганов Андрей Владимирович, Цыганова Юлия Владимировна
Журнал: Поволжский педагогический поиск @journal-ppp-ulspu
Рубрика: Математическое моделирование и информационные технологии на страже долголетия
Статья в выпуске: 1 (31), 2020 года.
Бесплатный доступ
Рассмотрен класс математических моделей суточной термометрии теплового гомеостаза здорового человека, заданные в пространстве состояний дискретными линейными стохастическими системами. Для моделей третьего порядка среднесуточная температура (мезор) моделируется как неизвестное входное воздействие. Вектор состояния модели включает значение температуры тела в дискретные моменты времени. В случае, когда среднее значение температуры неизвестно, для моделей третьего порядка при моделировании процесса дискретной фильтрации данных термометрии вместо дискретного фильтра Калмана предложено использовать алгоритм Гиллийнса-Мура (S. Gillijns, B. De Moor).
Здоровый человек, термометрия, тепловой гомеостаз, линейная дискретная стохастическая система, оптимальная дискретная фильтрация
Короткий адрес: https://sciup.org/142224372
IDR: 142224372 | УДК: 008.2, | DOI: 10.33065/2307-1052-2020-1-31-143-149
Modeling and processing daily thermometry data
The article considers the class of mathematical models of daily thermometry of thermal homeostasis of a healthy person, defined in the state space by discrete linear stochastic systems. For third-order models the daily average temperature (mesor) is modeled as an unknown input effect. The state vector of the model includes the value of body temperature at discrete time instants. In case when the average temperature is unknown when modeling the process of discrete filtering of thermometry data for third- order models, it is proposed to use the Gillijns-Moor algorithm (S. Gillijns, B. De Moor) instead of a discrete Kalman filter.
Список литературы Моделирование и обработка данных суточной термометрии
- Васильев Ф. П. Методы оптимизации. // М.: Факториал Пресс, Гл. ред. физ.-мат. лит., 2002. 824 c.
- Кроливецкая, Ю. М., Петрова Е. С. Построение стохастических моделей теплового гомеостаза человека. // Вестн. Астрахан. гос. техн. ун-та. Сер. управление, вычисл. техн. информ. 2014. № 1. С. 140 - 152.
- Семушин И. В., Цыганова Ю. В. Детерминистские модели динамических систем. Учебное пособие. // Ульяновск: Изд-во УлГТУ, 2006. 77 c.
- Цыганова Ю. В. Об одной модели суточной термометрии теплового гомеостаза человека. // Первая Международная заочная научно-практическая конференция "Фундаментальные и прикладные исследования по приоритетным направлениям биоэкологии и биотехнологии", секция "Математическое моделирование в биоэкологии и биотехнологии". Ульяновск: УлГПУ им. И.Н. Ульянова, 2015. С. 167 - 170.
- Цыганов А. В., Цыганова Ю.В., Столярова И.В. Математическое и компьютерное моделирование суточной термометрии теплового гомеостаза здорового человека. // Теория и практика физической культуры. 2019. № 2. С. 65 - 67.
- Grewal M. S., Andrews A. P. Kalman filtering: Theory and Practice Using MATLAB. New Jersey: Prentice Hall, 2001. 401 p.
- Gillijns S., Moor B. De. Unbiased minimum-variance input and state estimation for linear discrete-time systems with direct feedthrough. // Automatica. 2007. Vol. 43. P. 934 - 937.
- Kelly G. Body Temperature Variability (Part 1): A Review of the History of Body Temperature and its Variability Due to Site Selection, Biological Rhythms, Fitness, and Aging. // Altern. Med. Rev. 2006. Vol. 11. № 4. P. 278 - 293.
- Redfern P., Minors D., Waterhouse J. Circadian rhythms, jet lag, and chronobiotics: an overview. // Chronobiol. Intern. 1994. № 11. P. 253 - 256.
- Semushin I. V., Tsyganova J. V., Skovikov A. G. Identification of a simple homeostasis stochastic model based on active principle of adaptation. // Proceedings of International Conference "Applied Stochastic Models and Data Analysis ASMDA 2013 & DEMOGRAPHICS 2013". Spain: Barcelona, 2013. P. 775 - 783.
- Semushin I. V., Tsyganova J. V., Kulikova M. V. Identification of human body daily temperature dynamics via minimum state prediction error method. // Proceedings of ECC2016, European Control Conference. Denmark: IEEE, 2016. P. 2429 - 2434
- Semushin I. V., Tsyganova J. V. Adaptation in stochastic dynamic systems - Survey and new results IV: Seeking minimum of API in parameters of data. // Int. J. Communications, Network, and System Sciences. 2013. Vol. 6. № 12. P. 513 - 518.
