"Качество и жизнь" № 1(21) 2019

Модельные представления для мобильных приложений оценки и прогнозирования аномальных и паталогических состояний 

Ю.Е. Шишкинаспирант кафедры «Информационные системы» Севастопольского государственного университета; г. Севастополь 
е-mail: iurii.e.shishkin@gmail.com
 
А.В. Скатковд.т.н., профессор кафедры «Информационные системы» Севастопольского государственного университета; г. Севастополь
К.Н. Маловикд.т.н., профессор, президент президиума Севастопольского регионального отделения МОО «Академия проблем качества»; г. Севастополь 
Рассматривается проблема повышения информативности при мониторинге и выявлении аномалий состояния сложных систем, обеспечивающих высокое качество жизни человека. Особое значение имеет обнаружение аномальных значений в лечебном деле, на этой основе можно определить паталогические состояния больных и уже на ранних этапах применять соответствующую этому состоянию терапию, за счет чего в значительной степени повышается скорость выхода из этих состояний. Предлагается система мониторинга, основанная на использовании мобильных приложений, обладающая значительно более высокой оперативностью и функциональной гибкостью по сравнению с классическими системами. 
 
Ключевые слова: системы мониторинга, обнаружение аномалий, интеллектуальная технология, большие данные, мобильные приложения, интеллектуальный анализ данных.  
 
Литература
1. Zavala E., Franch X., Marco J. Adaptive monitoring: A systematic mapping // Information and Software Technology. – 2018. – Vol. 105. – pp. 161–189. DOI:10.1016/j.infsof.2018.08.013.
2. Скатков А.В. и др. Системное моделирование акторных взаимодействий для облачных сервисов. : Симферополь, 2018. – 420 с.
3. Malik H., Shakshuki E.M. Towards Identifying Performance Anomalies // Procedia Computer Science. – 2016. – Vol. 83. –  pp. 621–627.
4. Intelligent positive computing with mobile, wearable, and IoT devices: Literature review and research directions / Lee U., Han K., Cho H. [et. al] //Ad Hoc Networks – 2018. – Vol. 83. pp. 8–24.
5. Недалекое будущее сетей 5G // Век качества. – 2015. – № 2. – С. 22–25.
6. Мастицкий С.Э., Шитиков В.К. Статистический анализ и визуализация данных с помощью R // Creative Commons. – 2014. – 401 c.
7. Роганов В.Р., Четвергова М.В., Сёмочкин А.В. Проектирование систем виртуальной реальности с позиции системного подхода // Современные проблемы науки и образования. – 2014. – № 6. –  С. 199.
8. Shishkin Y.E. Big Data visualization in decision making // Sci­ence in Progress: тез. Всерос. науч.-практ. конф. магистрантов и аспирантов. Новосибирск, 20 октября 2016 г. Новосибирск: НГТУ, – 2016. – C. 203–205.
9. Коновалов С.К. и др. Атлас океанографических характерис- тик Севастопольской бухты. – Севастополь: ЭКОСИ-ГИДРОФИЗИ- КА. – 2010. – 320 с.
10. The International Thermodynamic Equation of Seawater 2010 (TEOS-10): Calculation and Use of Thermodynamic Properties / T.J. Mcdougall, Rainer Feistel, F.J. Millero [et al]. // Intergovernmental Oceanographic Commission IOC of Unesco. – 2010. – 218 p.
11. Брюховецкий А.А., Скатков А.В., Шишкин Ю.Е. Моделирование процессов обнаружения аномалий в сложноструктурированных данных мониторинга // Системы контроля окружающей среды. – 2017. –  № 9 (29). – С. 45–49.
12. Шишкин Ю.Е., Скатков А.В. Метод распознавания в интерактивном режиме аномалий градиентов скалярных полей наблюдений // Системы контроля окружающей среды. – 2018. – № 12(32). –  С. 30–37.
13. Толстошеев А.П., Лунев Е.Г., Мотыжев С.В. Анализ результатов натурных экспериментов с термопрофилирующими дрейфующими буями в Черном море и других районах мирового океана // Морской гидрофизический журнал. – 2014. – № 5. – С. 9–32.
14. Shishkin I.E., Grekov A.N. (2018). Analysis of image clusterization methods for oceanographical equipment // 2018 International Russian Automation Conference (RusAutoCon). At Sochi, Russia, September, 2018. DOI:10.1109/RUSAUTOCON.2018.8501756. 15. Düzgün H.Ş., Demirel N. Remote Sensing of the Mine Environ­ment // CRC Press. – London. – 2017. – 220 p.