CC BY
224
дей попадает в область мортального аттрактора уже в 45-55 лет (этим мы объясняем абсолютный максимум кривой смертности среди мужского населения ХМАО-Югры).
2. Переход из нормы в патологию и обратно имеет колебательный характер (переход от РА нормы в РА патологии и обратно). Причем такие колебания носят апериодический или медленно затухающий характер, а в случае хронических заболеваний ВСОЧ совершаются незатухающие колебания, которые останавливаются в связи со смертью индивидуума.
3. Можно управлять подобными колебательными процессами, причем за счет управляющих воздействий (например, гиру-дотерапии) можно даже увести ВСОЧ в область глубоких, например, тонических (условно патологических) состояний, с целью перевода ВСОЧ из псевдонормы (хронический РА) в норму и даже в фазическую фазу. Вообще процесс лечения и выздоровления в рамках такого подхода - простой переходный процесс для движения ВСОЧ в т-мерном фазовом пространстве.
4. Внешние факторы среды способны значительно сдвигать параметры РА в область патологии, приближая РА к мортальному аттрактору (и, в конечном итоге, к ранней смерти) [2-4].
Можно бы было рассмотреть и различные другие режимы движения ВСОЧ и параметров РА, но даже эти выделенные автором закономерности уже позволяют по-новому рассматривать общие закономерности развития, жизни человека, особенности его состояния и движения ВСОЧ в фазовом пространстве состояний. При этом главная проблема в подобных исследованиях остается открытой - насколько точно параметры РА представляют параметры ИА. Хотя, если учитывать все сказанное выше, то получается, что параметры ИА для реальных БДС никогда не могут быть определены из-за хаотической динамики жизни, развития и смерти организма человека, что находит свое отражение в хаотической динамике движения ВСОЧ в ФПС [5]. Если исходить из гипотезы АПТБ (приближение параметров РА к параметрам ИА с увеличением числа наблюдений п) и принципиальной невозможности наблюдения параметров ИА для биосистем, то остается только один выход - наблюдать и анализировать параметры РА, аппроксимируя их на некоторый гипотетический ИА.
Литература
1.Еськов В.М. Введение в компартментную теорию респираторных нейронных сетей.- М.: Наука, 1994.- 167 с.
2.Еськов В.М. и др. Синергетика в клинической кибернетике. Ч. I. / Под ред. Григорьева А.И.- Самара: Офорт, 2006.- 233 с.
3.Еськов В.М. и др. Синергетика в клинической кибернетике. Ч. II.-. Самара: Офорт, 2007.- 292 с.
4.Еськов В. М. и др. Синергетика в клинической кибернетике. Ч. III..- Самара: Офорт, 2007.- 281 с.
5.Системный анализ, управление и обработка информации в биологии и медицине: Монограф. - Ч. VII / Под ред. В.М. Есь-кова. А.А. Хадарцева. - Самара: Офорт (гриф РАН), 2008.- 159 с.
УДК 616; 64.2; 681.3
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ФИЗИОЛОГИЧЕСКИХ ПОКАЗАТЕЛЕЙ ОРГАНИЗМА ТРЕНИРОВАННЫХ И НЕТРЕНИРОВАННЫХ СТУДЕНТОВ ЮГРЫ СТАТИСТИЧЕСКИМИ И СИНЕРГЕТИЧЕСКИМИ
МЕТОДАМИ
В.М.ЕСЬКОВ, А.А. ГЛУЩУК, Н.Б. ПОПОВА, В.В. КОЗЛОВА*
Показатели статистической обработки отражают количественные показатели изменения параметров, а обработка в рамках теории хаоса и синергетики - качественные и количественные. Причем методы ТХС дают более выраженные значения различий, чем традиционные статистические
Наука синергетика, развивающаяся активно в последние годы, испытывает трудности с формальной идентификацией явления синергизма и количественной оценкой степени синергизма в различных динамических системах и, в частности, в биологических динамических системах (БДС). К этим системам относятся и функциональные системы организма (ФСО) человека. При этом, благодаря усилиям Г. Хакена и других ученых, в
* СурГУ, 628400, г. Сургут, проспект Ленина, 1, СурГУ
настоящее время мы имеем перспективные математические модели синергических процессов в БДС, которые довольно хорошо исследованы аналитически. Идентификация самих моделей, их параметров и структур остается в разделе искусственных приемов, без использования универсальных методов [3,5].
В рамках этих новых наук сейчас создаются другие методы изучения биосистем и методы сравнения различных процессов или объектов. Эти методы базируются на теории хаоса и синергетике (ТХС). В настоящей работе в рамках этих новых подходов мы будем производить сравнение параметров ФСО и анализировать с синергетических позиций наши данные. Отметим, что эти подходы имеют ряд общих задач идентификации параметров порядка и русел биосистем, находящихся в некоторых аттракторах состояний. Формализация решения этих задач- главная проблема системного синтеза и синергетики в целом. Рассмотрим исходно их решение в теоретическом плане, отметим, что эти методы были разработаны в НИИ БМК при СурГУ [3-6].
В наших исследованиях мы будем пренебрегать возрастными изменениями, действием факторов среды и даже суточной ритмикой вектора состояния организма человека (ВСОЧ). Понятно, что все перечисленное (последнее) делает режим ВСОЧ, строго говоря, нестационарным. С позиций синергетики стационарным должен становиться аттрактор ВСОЧ (точнее говоря его параметры). Но если говорить о различиях между саногенезом и патогенезом, то в рамках этих допущений можно предполагать для саногенеза, например, x ~ const. В реальной ситуации этого никогда не бывает, так как все координаты ВСОЧ испытывают постоянное возмущение в течение дня, сезона, жизни человека. Все показатели крови, ритма сердца, мозга, различных внутренних органов, биохимических показателей среды, - это все заставляет ВСОЧ пребывать в аттракторах хаоса, так как все параметры Xi ВСОЧ изменяются. Человек хаотически потребляет пищу, хаотически болеет, хаотически движется (а отсюда хаотически работает его нервно'-мышечная система - НМС и кардио-респираторная функциональная система - КРС) и одновременно хаотически изменяются его параметры ВСОЧ, которые еще недавно мы пытались описывать в рамках стохастических подходов, а порой и с детерминистских позиций [3-6]. При отсутствии исходного феноменологического подхода в рамках синергетики и имеющихся затруднениях в построении математических моделей биологического процесса, традиционные подходы уже сложно использовать. Многие БДС испытывают постоянные перестройки в системах регуляции и оптимального управления. Поэтому сразу построить единую модель таких БДС трудно. Принятие же решения о возможности полного или частичного синергизма при изучении подобных биосистем вообще становится формально неразрешимой задачей в рамках традиционного подхода [4,5].
Идентификация наличия синергизма или оценки степени синергизма в БДС во многих случаях весьма сложная и мало формализованная задача, которая требует разработки новой теории и новых программных средств. В лаборатории биокибернетики и биофизики сложных систем СурГУ при НИИ биофизики и медицинской кибернетики за последние 10 лет разработан математический аппарат и созданы на его основе компьютерные программы, которые обеспечивают идентификацию полного синергизма или степени синергизма в различных БДС в рамках унифицированного формального подхода.
Проблема идентификации синергизма в работе мышц и нервно-мышечной системы продолжает оставаться наиболее сложной не только в физиологии труда и спорта, но и в биофизике и физиологии. Попытка формализовать эту проблему, подойти к ее решению с позиций точных количественных методов системного анализа и синтеза (САС) представляется актуальной.
Цель - изучение с позиций компартментно-кластерного подхода особенностей регуляции двигательных функций человека в условиях физических нагрузок и без таковых в рамках теории хаоса и синергетики [4-6].
Объект и методы исследования. В обследовании участвовали студенты СурГУ (мужчины и женщины) с разным уровнем физической подготовки. Показатели снимались до и после физической нагрузки. Обследуемых условно разделили на две группы: 1- студенты, занимающиеся физической культурой (ФК) не регулярно (лишь 2 раза в неделю в рамках государственной программы по ФК); 2 - студенты, регулярно занимающиеся индивидуальными видами спорта (тяжелая атлетика, пауэрлифтинг). Особый научный интерес в последние годы в биофизике и физиоло-
гии человека вызывает проблема идентификации параметров аттракторов вектора состояния организма человека (ВСОЧ) в фазовых пространствах состояний. В рамках теории хаоса и синергетики мы можем в настоящее время идентифицировать параметры аттракторов, которые (как мы покажем ниже) существенно отличаются у тренированных и нетренированных лиц. В наших исследованиях применялся пульсоксиметр «ЭЛОКС-01С2». В устройстве использовался оптический пальцевый датчик (в виде прищепки), с помощью которого происходила регистрации пульсовой волны с одного из пальцев кисти. Технически он выполнен с применением оптических излучателей и фотоприемника двух типов: в ближнем ИК- и красном спектре диапазона световой волны, которые дают возможность определять индикацию значения степени насыщения гемоглобина крови кислородом, в %, а также значения частоты сердечных сокращений.
Прибор снабжен программным продуктом «БЬОСЯДРИ», который в автоматическом режиме позволяет отображать изменение ряда показателей в режиме реального времени с одновременным построением гистограммы распределения длительности кардиоинтервалов. Нами выполнена некоторая модификация программы в отношении усреднения показателей симпатической и парасимпатической вегетативной нервной системы, что обеспечивает представление процессов на фазовой плоскости в виде динамики хаотичных процессов. Использование этой методики и аппаратуры для исследования показателей пульсоинтервалогра-фии производилось в положении испытуемого сидя в относительно комфортных условиях. С целью исключения артефактов и нивелировки влияния отрицательных обратных связей на съем информации, регистрировался пятиминутный интервал измерений кардиоинтервалов (КИ). Используя метод вариационной пульсометрии и выполняя анализ вариабельности сердечного ритма (ВСР) во временной и частотной областях, можно получить информацию, характеризующую процессы управления жизненными функциями организма человека под воздействием экстремальных экологических факторов. Методы основаны на идентификации объемов аттракторов движения ВСОЧ в фазовом пространстве для одного кластера и для другого, а затем поэтапного (поочередного) исключения из расчета ряда компонент вектора состояния БДС с анализом параметров аттракторов и сравнением существенных или несущественных изменений в этих параметрах после такого исключения.
Алгоритм такой процедуры имеет вид:
1. В программу расчета на ЭВМ поочередно вводятся исходные компоненты ВСОЧ в виде матриц д биосистемы по
каждому из к кластеров. Элемент матрицы дк представляет к-й
кластер БДС, /-й компонент ВСОЧ для /-го пациента (популяции, экосистемы).
2. Производится поочередный расчет координат граней параллелепипеда объемом VG, внутри которого находится аттрактор движения ВСОЧ для всех /-х обследуемых (/ = 1,...,п ) из .к-го
(к = 1, к, р ); их
кластера
длины
,, где X,
i'(min), Xi(max)
(Interval) объема k-го параллелепипеда
- координаты крайних точек, сов-
падающих с нижней и верхней границей фазовой области, внутри которой движется ВСОЧ по координате xi; вектора объемов (General Value) у _ (V у у )т, ограничивающих все p аттракторов,
а также показатели асимметрии (Asymmetry) стохастического c c c c , и хаотических
Vе г с с с . _
Л , = (Xi ,x10 ...x )■■■ = (x ,,x ~...x„m
1 4 11 ’ 12 1m 1 p K pP p 2 pm
-- (x
p
для каждого
- ( x*
)
J-го
).
обследуемого
центров аттракторов
х іХ = (хп , Х12 ■■■ Х1т )-Х рЛ = (Хр1 , хр 2 -лрт
3. Вводится параметр Я, показывающий степень изменения
объема аттракторов для к-го кластера до и после уменьшения
размерности фазового пространства. В исходном приближении
вычисляем Я = (V 1 V 2)/ V 1 ■
Я0 0 0 ) /* 0
4. После исключения поочередно каждой из координат вектора Х(например, для 2-кластерных систем) вычисляются вторые приближения параметров я = (у1 _ у 2)/ V.1- Получаем
Я = (я Я )Т , т.е. вектор значений, по которым можно
найти, уменьшилась/увеличилась относительная величина аттракторов V при изменении размерности фазового пространства.
В рамках реализации этого алгоритма производилась минимизация размерности всех к кластеров БДС при сравнительном анализе поведения их векторов состояния, размеров аттракторов и координат их центров. Производится минимизация размерности всех к кластеров БДС при сравнительном анализе поведения их векторов состояния, размеров аттракторов и координат их центров. Подобные методы идентификации параметров аттракторов обеспечивают, фактически, параллельную процедуру с нейросе-тевой технологией. И в этом смысле мы имеем примеры сравнения подобных методов для наиболее характерных биологических данных. Получены примеры из экологии человека, сравнение нормы и патологии за счёт настройки состояний нейросети[2-4]. Результаты такого сравнения эффективности использования ней-росетевых технологий и технологий оценки параметров хаотических аттракторов дают убедительное доказательство успешности применения разработанного подхода [2-6].
Результаты. Исследование показателей ВНС у двух групп испытуемых в ходе выполнения стандартных физических упражнений показало, что существуют определенные различия в параметрах ВСОЧ для двух групп обследуемых.
Таблица 1
Результаты статистической обработки данных измерений показателей кардиореспираторной ФСО мужчин до и после физической нагрузки, занимающихся индивидуальными видами спорта и нерегулярно занимающихся спортом
Показатели ВНС Нагрузка Индивидуальные виды спорта Нерегулярно занимающиеся спортом
СИМ До 4,42±2,03 3,27±1,91
после 12,00±4,29 18,73±4,50
ПАР До 14,50±5,1б 14,20±3,4б
после 4,92±2,40 3,40±1,27
ИНБ До 77,92±44,40 49,00±20,5б
после 3Q9,17±111,37 458,00±13б,79
SPO2 До 98,75±0,29 98,33±0,б2
после 97,75±0,55 98,07±0,39
ЧСС До 88,33±11,93 85,00±9,03
после 111,08 ±б,42 120,б0±б,45
Здесь: СИМ- показатель активности симпатической ВНС, ПАР- показатель активности парасимпатической ВНС, ЧСС- частота сердечных сокращений, ИНБ - показатель индекса Баевского (в у. е.), ЗР02 - процент содержания оксигемоглобина в крови, <х> - среднее арифметическое значение; ёх - погрешность измерения
В группе студентов-мужчин, занимающихся индивидуальными видами спорта, существуют значительные различия в показателях СИМ (показатель активности симпатической вегетативной нервной системы (СВНС) в условных единицах) и ПАР (показатель активности парасимпатической нервной системы (ПВНС)) до и после полученной нагрузки. В частности, средние арифметические значения СИМ до и после получения физической нагрузки составили 4,42±2,03 и 12,00±4,29 соответственно. Показатели ПАР для этой же группы до - 14,50±5,16, после -4,92±2,40. Индекс Баевского до и после нагрузки существенно различается - увеличивается практически в 4 раза после нагрузки и составляет 309,17±111,37 при значении до нагрузки 77,92±44,40. В показателях 8Р02 существенных различий не наблюдается, по показателям ЧСС происходит увеличение пульса после нагрузки с 88,33±11,93 до 111,08±6,42. Резко по всем показателям отличаются студенты мужчины, занимающиеся физической культурой (ФК) не регулярно (лишь 2 раза в неделю в рамках государственной программы по ФК) до и после предъявления нагрузки. Их средние арифметические значения после нагрузки возрастают в несколько раз и составляют для СИМ: с 3,27±1,91 до 18,73±4,50 соответственно. Показатели ПАР снижаются с 14,20±3,46 до 3,40±1,27. Наибольшее различие мы видим для показателя индекса Баевского - он практически в 10 раз возрастает после нагрузки и составляет 458,00± 136,79 при значении 49,00±20,56 до нагрузки. Показатель 8Р02 до нагрузки составил 98,33±0,62, а после 98,07±0,39, т.е. практически не изменяется. Мы наблюдаем в этой группе резкое повышение пульса после полученной нагрузки, который составляет 120,60±6,45 по сравнению с результатами без нагрузки и составляет 85,00±9,03.Нами также выполнен анализ полученных данных по группе женщин (не регулярно занимающихся спортом). Получена следующая
к
и
D
i (max) i (min)
i=1
картина (табл. 2.). Нагрузка определенным образом влияет на их показатели, происходит увеличение средних арифметических значений СИМ с 2,30±0,76 до 6,70±3,58. Показатели ПАР составляют 13,10±3,13 до нагрузки и 9,50±2,57 после нагрузки. Индекс Баевского до и после нагрузки существенно различается - после нагрузки увеличивается практически в 3 раза у этой группы женщин соответственно имеем 136,20± 121,29 после нагрузки и 39,50±15,48 до нагрузки. В показателях ЧСС и 8Р02 существенных различий также не наблюдается.
Если сравнить группы мужчин и женщин, то можно увидеть следующие особенности. Показатели СИМ до нагрузки различаются не существенно, разницу мы наблюдаем только после предъявления нагрузки, причем этот показатель после нагрузки возрастает у женщин приблизительно в 3 раза, а у мужчин в 6 раз. Показатели ПАР до нагрузки у этих двух групп также не отличаются. А после нагрузки они снижаются у мужчин с 14,20±3,46 до 3,40±1,27, а у женщин с 13,10±3,13 до 9,50±2,57, т.е на мужчин нагрузка оказывает большее действие, чем на женщин. По индексу Баевского также после нагрузки видна существенная разница. Этот показатель у мужчин возрастает после нагрузки в 10 раз, а у женщин в 3,5 раза. Различий в параметрах мы не видим только по показателю 8Р02, который всегда остается в пределах 98 %. Резкое увеличение пульса наблюдается только в группе мужчин, у женщин эта разница не столь заметна, хотя этот параметр после нагрузки также увеличивается (табл. 1 и 2).
Установлены различия в показателях ФСО у лиц разной степени тренированности. Это дает основание утверждать о различном статусе фазатона мозга (ФМ) в динамике ВСОЧ в фазовом пространстве состояний у этих различных групп молодежи Югры, которым предъявляются различные виды нагрузок.
Таблица 2
Результаты статистической обработки данных измерений показателей кардио-респираторной ФСО группы женщин до и после физической нагрузки, нерегулярно занимающихся спортом
Показатели ВНС Нагрузка Нерегулярно занимающиеся спортом
СИМ До 2,30±0,76
после 6,70±3,58
ПАР До 13,10±3,13
после 9,50±2,57
ИНБ До 39,50±15,48
после 136,20±121,29
SPO2 До 98,80±0,30
после 98,00±0,48
ЧСС До 79,90±13,15
после 98,80± 14,78
Таблица 3
Параметры аттракторов ВСОЧ студентов (мужчин), занимающихся индивидуальными видами спорта
До тренировки
Количество измерений N = 12 Размерность фазового пространства = 5
Interval2X0= 10.0 Asymmetry2X0= 0.16
Interval2X1= 23.0 Asymmetry2X1= 0.09
Interval2X2= 205.0 Asymmetry2X2= 0.19
Interval2X3= 1.0 Asymmetry2X3= 0.25
Interval2X4= 67.0 Asymmetry2X4= 0.002
General asymmetry va ue Ry = 39.67
General V value Vy = 3, 16-10°
После тренировки
Количество измерений второго массива N = 12 Размерность фазового пространства = 5
IntervalX0= 21.0 AsymmetryX0= 0.12
IntervalX1= 10.0 AsymmetryX1= 0.21
IntervalX2= 540.0 AsymmetryX2= 0.08
IntervalX3= 3.0 AsymmetryX3= 0.08
IntervalX4= 29.0 AsymmetryX4= 0.02
General asymmetry va ue Rx = 40.97
General V value Vx = 9,9-106
В данной работе также используются новые подходы теории хаоса и синергетики, которые основаны на анализе параметров аттракторов ВСОЧ. Последний базируется на сравнении параметров различных кластеров, представляющих биологические динамические системы. К этим кластерам могут относиться одни и те же БДС, но находящиеся в разных физических состояниях (биосистема изучалась до и после предъявляемой нагрузки). Мы брали пять координат ВСОЧ по параметрам показателей ВНС испытуемых (студентов мужчин). Результаты обработки данных новыми методами ТХС см. в табл. 3, 4 и далее, откуда
следует, что число измерений координат фазового пространства равняется 5, а аттракторы движения ВСОЧ до и после физической нагрузки занимают разные области в фазовом пространстве (кроме того, что они имеют разные объемы). У мужчин, занимающихся индивидуальными видами спорта, общий показатель асимметрии (Rx - расстояние между геометрическим центром аттрактора и статистическим центром) до тренировки равен 39.67, а после - 40.97. Объем т-мерного параллелепипеда составляет 3, 16-106 до нагрузки и 9,9-106 после.
Таблица 4
Результаты анализа исключения отдельных признаков
Объем первого аттрактора Объем второго аттрактора Относительная погрешность Расстояние (Z) между центрами двух аттракторов
Vy0 = 3, 16-106 Vx0 = 9,9'106 R0= 67.98 % Z0 = 232.69
Vy1 = 3, 16-105 Vx1 = 4,7405 R1= 32.76 % Z1 = 232.57
Vy2 = 1,4-105 Vx2 = 9,9405 R2= 86.08 % Z2 = 232.49
Vy3 = 1,5 -10' Vx3 = 1,8'104 R3= 15.66 % Z3 = 25.84
Vy4 = 3, 16^106 Vx4 = 3,3'106 R4= 3.94 % Z4 = 232.69
Vy5 = 4,7 •104 Vx5 = 3,4405 R5= 86.14 % Z5 = 231.58
Таблица 5
Параметры аттракторов ВСОЧ студентов (мужчин), нерегулярно занимающихся спортом
До тренировки
Количество измерений N = 15
Размерность фазового пространства = 5
Interval2X0= 13.0 Asymmetry2X0= 0.25
s & й о a a H X Interval2X1= 20.0 Asymmetry2X1= 0.01
Interval2X2= 110.0 Asymmetry2X2= 0.15
Interval2X3= 4.0 Asymmetry2X3= 0.33
Interval2X4= 50.0 Asymmetry2X4= 0.02
General asymmetry value Ry = 16.41
General V value Vy = 5, 7^106
После тренировки
Количество измерений N = 15 Размерность фазового пространства = 5
IntervalX0= 30.0 AsymmetryX0= 0.18
IntervalX1= 8.0 AsymmetryX1= 0.20
IntervalX2= 770.0 AsymmetryX2= 0.18
IntervalX3= 2.0 AsymmetryX3= 0.03
IntervalX4= 41.0 AsymmetryX4= 0.12
General asymmetry value Rx = 137.19
General V value Vx = 1,5 •107
Таблица 6
Результаты анализа исключения отдельных признаков
Объем первого аттрактора Объем второго аттрактора Расстояние (Z) между центрами двух аттракторов Относительная погрешность
Vy0 = 5, 7 •106 Vx0 =1,5 •10’ Z0 = 410.98 R0= 62.25 %
Vy1 = 4,4 •№ Vx1 = 5.1 •№ Z1 = 410.69 R1= 12.89 %
Vy2 = 2,9 •№ Vx2 = 1,9 •106 Z2 = 410.84 R2= 84.90 %
Vy3 = 5,2 •104 Vx3 = 1,9 •104 Z3 = 40.29 R3= 15.65 %
Vy4 = 1,4 •106 Vx4 = 7,6 •106 Z4 = 410.98 R4= 81.13 %
Vy5 = 1,1 •№ Vx5 = 3,7 •№ Z5 = 409.44 R5= 69.05 %
Используя разработанные нами и запатентованные программные продукты, мы определили расстояние между центрами двух аттракторов (до и после нагрузки для группы с индивидуальными видами спорта) движения ВСОЧ (Ъ). В нашем случае оно равно 232.69. Методом исключения отдельных признаков был выполнен системный синтез с помощью ЭВМ, который учитывает влияние XI - признаков на величину Ъ (расстояние между центрами аттракторов). При исключении отдельных признаков было установлено, что более значительным является признак Х3 (показатель индекса Баевского - табл. 4). Анализируя табл. 5 и 6, мы видим следующую картину. У мужчин, не занимающихся спортом, общий показатель асимметрии (Rx - расстояние между геометрическим центром аттрактора и статистическим центром) до тренировки равен 16.41 после тренировки 137.19. Объем 5мерного параллелепипеда составляет 5, 7-106 до нагрузки и
1,5 -107 после. При исключении отдельных признаков было установлено, что более значительным является признак Х3 (показатель индекса Баевского - табл. 6), как и у мужчин, регулярно занимающихся спортом. Наблюдается тенденция при сравнении Ях и объемов аттракторов данных студентов-мужчин, занимающихся индивидуальными видами спорта, и нерегулярно занимающихся спортом. Во всех этих группах, в покое, данные находятся в узком интервале разброса друг относительно друга, не наблюдается больших различий в показателе Ях, до нагрузки.
После нагрузки эта разница увеличивается согласно физической активности: чем ниже активность, тем меньше разница между исходными данными. У студентов 1-й группы эта разница увеличивается с 3, 16-10° до 9,9-10°, а у второй с 5, 7-10° до
1,5 -107. Хотя у студентов первой и второй групп наблюдается одинаковое повышение показателя объемов после нагрузки, мы легко можем заметить, что у спортсменов этот показатель меньше того же показателя у второй группы в 2 раза, т.е. диапазон разброса показателей хаотической динамики параметров КРС в ответ на нагрузку у студентов второй группы увеличился и стал шире. Это говорит о том, что параметры ВСОЧ студентов мужчин, занимающихся индивидуальными видами спорта, после нагрузки не только более стабилизированы (в рамках ТХС), но и носят тренировочный эффект (статистическая обработка данных
- табл. 1). Показатели статистической обработки отражают количественные изменения параметров, а обработка в рамках теории хаоса и синергетики качественные и количественные. Методы ТХС дают более выраженные значения различий, чем традиционные статистические. [2]. Показатель Rx, после нагрузки зависит от уровня подготовленности, но в отличие от объемов аттракторов, чем ниже уровень, тем разница между хаотическим и стохастическими центрами больше. Что подтверждается изменением объемов после нагрузки по сравнению с исходными данными.
Литература
1. Агаджанян Н.А., Ермакова Н.В. Экологический портрет человека на Севере.- М.: КРУК, 1997.- 208 с.
2. Климов О.В. и др. // ВНМТ.- 2006.- T.XIII, №2.- С. 49.
3. Еськов В.М. и др. Синергетика в клинической кибернетике. Ч.1.. - Самара: Офорт, 2006.- 233 с.
4. Еськов В.М. Синергетика в клинической кибернетике //
Ч. 2..- Самара: Офорт, 2007.- Ч. 2.- С. 292.
5. Системный анализ и управление в биомедицинских системах. Ч. V. Монография / Под ред. В.М. Еськова, А.А. Ха-дарцева - Самара: Офорт, 2004.- 140 с.
6. Системный анализ, управление и обработка информации в биологии и медицине.'H.VI.Монограф. / Под ред. В.М. Еськова, А.А. Хадарцева - Самара: Офорт, 2005.- 153 с.
THE DIFFERENCE ANALYSES OF PHYSIOLOGY STUDENT ORGANISM PARAMETERS WITH PHYSICAL TRAINING AND WITHOUT ACCORDING TO SYNERGETIC AND STOCHASTIC APPROACHING.
V.M ESKOV, A.A. GLUSHUK, N.B. POPOVA, V.V. KOZLOVA Summary
It was proved the distinguishing between attractor parameters of human organism stage vector (HOSV). The stochastic parameters have not so large value those parameters of HOSV chaotic dynamics.
Key words: synergetic and stochastic approaching
УДК 579.68;628.515; 665.66
ПРИМЕНЕНИЕ ФИЗИКО-ХИМИЧЕСКИХ МЕТОДОВ И БИОТЕСТИРОВАНИЯ ДЛЯ СИСТЕМНОГО АНАЛИЗА КАЧЕСТВА ВОДНЫХ ОБЪЕКТОВ В РАЙОНАХ НЕФТЕДОБЫЧИ
С.С. БЕДНАРЖЕВСКИЙ, В.М. ЕСЬКОВ, Е.С. ЗАХАРИКОВ, Д.И. КУЗНЕЦОВ, Р.М. МАМЕДОВ, Н.С. ПУШКАРЕВ, Н.Г. ШЕВЧЕНКО
Традиционная оценка экосостояния окружающей природной среды в районах интенсивной нефтедобычи сводится к измерению с помощью физико-химических методов анализа содержания нефтепродуктов, тяжелых металлов, других токсичных веществ в поверхностных и грунтовых водах, почве, донных отложениях и сравнению полученных результатов с предельно допустимыми их концентрациями или исходным (фоновым) содержанием для аналогичных территорий, не испытывающих техногенную нагрузку. В современной системе природоохранной деятельности все большую популярность приобретают методы биотестирования позволяющие получить интегральную оценку качества природных сред. Разрабатывается и внедряется аппаратное обеспечение, позволяющее автоматизировать проведение биотестирования и добиться высокой точности и экспрессности методик анализа [1-3]. В Ханты-Мансийском автономном округе (ХМАО)
- Югре, являющемся основным нефтедобывающим регионом
России, определение токсичности при ведении экологического мониторинга является обязательным [4, 5]. К преимуществам биотестовых методик относятся: возможность учета процессов синергизма и антагонизма поллютантов; оценка влияния ненор-мируемых загрязняющих веществ на живой организм (тест-объект), с экстраполяцией данных на человека; интегральная оценка, охватывающая весь спектр загрязняющих среду веществ; возможность учета особенностей территории, зачастую не принимаемые во внимание современной системой оценки качества природных сред; низкая стоимость биотестовых анализов.
Существует много биотестовых методов, которые предполагают использование различных тест-объектов, тест-реакций, критериев оценки, а также градаций результатов биотестирования. Классификация биотестовых методик представлена на рис.1.
Рис. 1. Классификация биотестовых методик
Но есть ряд недостатков биотестовых методов, в частности не изучена взаимосвязь между экоаналитическими данными загрязненности объектов окружающей среды и результатами их биотестирования; не исследована степень влияния отдельных показателей на интегральную оценку токсичности; отсутствуют сведения об интерпретации данных биотестирования и соотношении результатов биотестирования, полученных с помощью различных биотестовых методик.
Цель работы - исследование экологического состояния водных объектов в районах нефтедобычи с применением физикохимических методов и биотестирования с использованием в качестве тест-объекта инфузорий (Paramecium caudatum).
Методика исследования. Была проведена экологическая оценка фонового состояния природных поверхностных вод территории Сургутского района с применением физико-химических методов и биотестирования. Перечень компонентов, по которым оценивалось качество поверхностных вод, взят в соответствии с методическими рекомендациями по применению требований к определению исходной (фоновой) загрязненности компонентов природной среды, проектированию и ведению системы экологического мониторинга в границах лицензионных участков недр на территории ХМАО [4]. Контроль качества поверхностных вод проводился по 23 показателям (рН, взвешенные вещества, сухой остаток, УЭП, БПК5, Pb, Zn, Mn, Cr, Ni, Fe, Hg, NH4+ PO43-, SO42-, Cl-, АПАВ, нефтепродукты, фенол, о-крезол, п-крезол, 3,4-диметилфенол) в том числе и биотестированием.
Для оценки этих показателей использовались следующие методики анализа: кислотность воды (рН) определялась потенциометрическим методом по ПНД Ф 14.1:2:3:4.121-97; взвешенные вещества (КВВ) и сухой остаток гравиметрическим методом по ПНД Ф 14.1:2.110-97 и ПНД Ф 14.1:2.114-97 соответственно; удельная электропроводность кондуктометрическим методом, по РД 52.24.495-95; БПК5 по ПНД Ф 14.1:2:3:4.123-97; тяжелые металлы (цинк, марганец, хром, никель, железо общее, свинец) методом атомно-эмиссионной спектрометрии с ИСП по ПНД Ф 14.1:2:4.135-98; ионы аммония и фосфаты фотометрическим методом по ПНДФ 14.1:2.1-95 и ПНД Ф 14.1:2.112-97 соответственно; сульфаты турбидиметрическим методом по РД 52.24.40595; хлорид-ионы аргентометрическим методом по ПНД Ф
