Все выпуски

Оценка безопасности плотин все в большей степени опирается на непрерывный мониторинг гидрометеорологических параметров; однако выявление ранних стадий неустойчивости остается сложной задачей вследствие сложных пространственно-временных взаимодействий и сильного дисбаланса наблюдений аварийных состояний. В настоящей работе предлагается фреймворк глубокого обучения на основе архитектуры сверточной двунаправленной рекуррентной нейронной сети с управляемыми вентилями (CNN–BiGRU) для выявления пространственно-временных предвестников неустойчивости плотин по многомерным гидрометеорологическим временным рядам. Сверточный компонент модели извлекает локальные временные паттерны, связанные с краткосрочными флуктуациями, тогда как двунаправленная рекуррентная структура позволяет моделировать долгосрочные зависимости и эволюцию динамики, предшествующие критическим состояниям.

Предложенная модель была протестирована на реальном наборе данных мониторинга плотины, включающем измерения уровня воды, метеорологические параметры и производные динамические индикаторы. Для учета дисбаланса классов применяется стоимостно-ориентированная стратегия обучения с использованием весов классов без применения синтетического увеличения выборки. Экспериментальные результаты демонстрируют высокие показатели качества классификации: точность (accuracy) — 0,961, прецизионность — 0,901, полнота — 0,757 и F1-мера — 0,823. Дополнительно модель достигает значений ROC AUC = 0,907 и PR AUC = 0,819, что свидетельствует о высокой способности к разделению классов в условиях сильного дисбаланса данных.

Анализ значимости признаков показывает, что краткосрочная и среднесрочная изменчивость уровня воды, включая скользящее стандартное отклонение, волатильность и многоуровневые градиенты, играет ключевую роль в формировании предаварийного поведения системы, обеспечивая физически интерпретируемое понимание динамики отклика плотины. Полученные результаты подтверждают, что фреймворк CNN–BiGRU эффективно выявляет значимые пространственно-временные предвестники неустойчивости и может служить надежным инструментом поддержки принятия решений в задачах мониторинга безопасности плотин в реальных эксплуатационных условиях.

Dam safety assessment increasingly relies on continuous monitoring of hydrometeorological variables; however, identifying early-stage instability remains challenging due to complex spatio-temporal interactions and highly imbalanced failure observations. This study proposes a deep learning framework based on a Convolutional Bidirectional Gated Recurrent Unit (CNN–BiGRU) architecture to learn spatio-temporal precursors of dam instability from multivariate hydrometeorological time series. The convolutional component extracts localized temporal patterns associated with short-term fluctuations, while the bidirectional recurrent structure captures long-range dependencies and evolving dynamics preceding critical states.

The proposed model is evaluated on a real-world dam monitoring dataset comprising multiple water-level, meteorological, and derived dynamic indicators. To address class imbalance, a cost-sensitive training strategy using class weighting is adopted without synthetic oversampling. Experimental results demonstrate strong predictive performance, achieving an accuracy of 0.961, precision of 0.901, recall of 0.757, and an F1-score of 0.823. The model further attains a ROC-AUC of 0.907 and a PR-AUC of 0.819, indicating robust discrimination capability under imbalanced conditions.

Feature importance analysis reveals that short- and medium-term water level variability, including rolling standard deviation, volatility, and multi-scale gradients, play a dominant role in characterizing pre-instability behavior, providing physically interpretable insights into dam response dynamics. The findings suggest that the CNN–BiGRU framework effectively captures meaningful spatio-temporal precursors and offers a reliable data-driven tool for supporting dam safety monitoring and decision-making under real operational conditions.

В современной кардиологии точная оценка функциональной значимости стенозов коронарных артерий является критическим фактором для выбора тактики лечения и принятия обоснованных клинических решений. В данной работе представлен автоматизированный алгоритм для обработки динамических последовательностей рентгеновских ангиографических изображений, направленный на оценку скорости кровотока. Данный параметр служит основой для определения количественного соотношения кровотока (QFR), выступающего эффективной неинвазивной альтернативой традиционному инвазивному измерению фракционного резерва кровотока. Предложенная методика успешно преодолевает классические трудности ангиографического анализа, такие как артефакты движения сосудов в ходе сердечно-дыхательного цикла, неравномерная контрастная плотность и геометрическая сложность сосудистого дерева в двумерных проекциях.

Представленный алгоритм обработки включает в себя несколько ключевых стадий. Первоначально выполняется предобработка кадров для подавления шумов и фильтрации анатомического фона. Далее проводится сегментация с использованием фильтра Сато и пороговой обработки Оцу, после чего производится скелетонизация для извлечения центральных линий сосудов. Особое внимание уделено алгоритму автоматической идентификации точек бифуркации и фильтрации артефактных пересечений, возникающих при наложении сосудов. Для обеспечения непрерывности данных применяется метод временного отслеживания целевого сегмента на основе корреляции шаблонов, что особенно важно в фазах с низкой концентрацией контрастного вещества. Математическое ядро алгоритма основано на решении обратной одномерной задачи для уравнения адвекции – диффузии, что позволяет восстановить скорость кровотока по временным кривым интенсивности.

В рамках исследования проведена детальная валидация метода путем сопоставления результатов автоматического расчета с ручными экспертными измерениями на десяти наборах клинических данных. Полученные результаты подтверждают устойчивость вычислительной схемы в физиологически значимых диапазонах и ее способность значительно снижать межэкспертную вариабельность. Разработанный подход минимизирует необходимость врачебного вмешательства в процесс обработки данных, открывая перспективы для создания систем поддержки принятия врачебных решений в реальном времени в условиях катетеризационной лаборатории.

In modern cardiology, accurate assessment of the functional significance of coronary artery stenoses is a critical factor for selecting treatment strategies and making informed clinical decisions. This paper presents an automated algorithm for processing dynamic X-ray angiographic image sequences aimed at estimating blood flow velocity. This parameter serves as the basis for determining the Quantitative Flow Ratio (QFR), which acts as an effective noninvasive alternative to traditional invasive fractional flow reserve (FFR) measurements. The proposed methodology successfully overcomes classic challenges of angiographic analysis, such as vessel motion artifacts during the cardio-respiratory cycle, variable contrast opacification, and the geometric complexity of the vascular tree in two-dimensional projections.

The presented processing workflow includes several key stages. Initially, frame preprocessing is performed to suppress noise and filter out the anatomical background. Subsequently, segmentation is implemented using a Sato filter and Otsu thresholding, followed by skeletonization to extract vessel centerlines. Particular attention is paid to the algorithm for automated identification of bifurcation points and the filtration of artifactual intersections caused by vessel overlapping. To ensure data continuity, a temporal tracking method for the target segment based on template correlation is applied, which is especially important during phases with low contrast agent concentration. The mathematical core of the algorithm is based on solving a 1D inverse problem for the advection-diffusion equation, allowing for the recovery of blood flow velocity from temporal intensity curves.

As part of the study, a detailed validation of the method was conducted by comparing automated calculation results with manual expert measurements across ten clinical datasets. The results confirm the robustness of the computational scheme within physiologically relevant ranges and its ability to significantly reduce inter-observer variability. The developed approach minimizes the need for physician intervention in the data processing stage, opening up prospects for creating real-time clinical decision support systems in the catheterization laboratory setting.

Представлена физико-математическая модель сушки угольных частиц в потоке газа и результаты расчета сушки частиц бурого угля в сушильной трубе. Показано, что для сушки угля может быть использован перегретый водяной пар. Предложена термодинамическая модель сушки частиц в сушильной трубе. Она позволяет провести предварительную оценку параметров процесса сушки.

Physical-mathematical model of drying of coal particles in the gas stream and the results of calculating the drying of the particles of brown coal in a drying tube are presented. It is shown that for the drying of coal can be used superheated water vapor. Thermodynamic model of drying of a particle in a drying tube are proposed. It allows to conduct a preliminary assessment of parameters of drying process.

В статье предложена авторская методика многомерного анализа для формирования прогнозной оценки кредитного риска организаций, основанная на использовании информации кредитных историй, учитывающая объемы и сроки предоставляемых кредитов. Рассмотрен пример оценки кредитного риска на статистических данных кредитной организации.

The article is devoted to description the author's method of multidimensional analysis for generate an predictive assessment of organizations’ credit risk, based on the credit history information, which taking into account value and period of credit. An example of credit risk assessment is given.

В статье проанализированы результаты компьютерного эксперимента по оценке влияния пространственного размещения (схем посадки) деревьев на продукционный процесс и динамику почвенного плодородия в лесных плантациях. Для имитации роста плантаций нативной формы осины (Populus tremula L.) с коротким (30 лет) оборотом рубки использована система моделей EFIMOD и почвенно-климатические данные, соответствующие условиям лесной зоны Республики Марий Эл. По результатам модельных оценок, схемы посадки с расстоянием между деревьями в ряду 1–4 м и междурядьями 4–6 м характеризуются наибольшими показателями продукции биомассы, повышением почвенных запасов органического вещества и минимальными потерями азота почв за оборот рубки.

The article presents the results of computer simulations aimed to assess the influence of tree spatial locations (planting schemes) on the productivity and the dynamics of soil fertility in forest plantations. The growth of aspen (Populus tremula L.) in plantations with short rotation (30 years) was simulated in the EFIMOD system of models with the soil and climatic data matching forested lands in the Mari El Republic. The outcome reveals that higher biomass rates, increase in soil organic matter stocks, and the minimal loss of soil nitrogen can be obtained when the distance between trees in the row equals 1–4 m and 4–6 м in aisles.

Важнейшим принципом военной науки и пограничной безопасности является принцип сосредоточения основных усилий на главных направлениях и задачах. На тактическом уровне имеется множество математических моделей для вычисления оптимального распределения ресурса по направлениям и объектам, тогда как на уровне государства соответствующие модели отсутствуют. Используя статистические данные о результатах охраны границы США, вычислен параметр пограничной производственной функции экспоненциального типа, отражающий организационно-технологические возможности пограничной охраны. Производственная функция определяет зависимость вероятности задержания нарушителей от плотности пограничников на километр границы. Финансовые показатели в производственной функции не учитываются, поскольку бюджет на содержание пограничников и оборудование границы коррелирует с количеством пограничных агентов. Определена целевая функция пограничной охраны — суммарный предотвращенный ущерб от задержанных нарушителей с учетом их ожидаемой опасности для государства и общества, подлежащий максимизации. Используя условие Слейтера, найдено решение задачи — вычислены оптимальные плотности пограничной охраны по регионам государства. Имея модель распределения ресурсов, на примере трех пограничных регионов США решена и обратная задача — оценены угрозы в регионах по известному распределению ресурсов. Ожидаемая опасность от отдельного нарушителя на американо-канадской границе в 2–5 раз выше, чем от нарушителя на американо-мексиканской границе. Результаты расчетов соответствуют взглядам специалистов по безопасности США — на американо-мексиканской границе в основном задерживаются нелегальные мигранты, тогда как потенциальные террористы предпочитают использовать другие каналы проникновения в США (включая американо-канадскую границу), где риски быть задержанными минимальны. Также результаты расчетов соответствуют сложившейся практике охраны границы: в 2013 г. численность пограничников вне пунктов пропуска на американо-мексиканской границе увеличилась в 2 раза по сравнению с 2001 г., тогда как на американо-канадской границе — в 4 раза. Практика охраны границы и взгляды специалистов дают основания для утверждения о верификации модели.

The most important principle of military science and border security is the principle of concentrating the main efforts on the main directions and tasks. At the tactical level, there are many mathematical models for computing the optimal resource allocation by directions and objects, whereas at the state level there are no corresponding models. Using the statistical data on the results of the protection of the US border, an exponential type border production function parameter is calculated that reflects the organizational and technological capabilities of the border guard. The production function determines the dependence of the probability of detaining offenders from the density of border guards per kilometer of the border. Financial indicators in the production function are not taken into account, as the border maintenance budget and border equipment correlate with the number of border agents. The objective function of the border guards is defined — the total prevented damage from detained violators taking into account their expected danger for the state and society, which is to be maximized. Using Slater's condition, the solution of the problem was found — optimal density of border guard was calculated for the regions of the state. Having a model of resource allocation, the example of the three border regions of the United States has also solved the reverse problem — threats in the regions have been assessed based on the known allocation of resources. The expected danger from an individual offender on the US-Canada border is 2–5 times higher than from an offender on the US-Mexican border. The results of the calculations are consistent with the views of US security experts: illegal migrants are mostly detained on the US-Mexican border, while potential terrorists prefer to use other channels of penetration into the US (including the US-Canadian border), where the risks of being detained are minimal. Also, the results of the calculations are consistent with the established practice of border protection: in 2013 the number of border guards outside the checkpoints on the US-Mexican border increased by 2 times compared with 2001, while on the American-Canadian border — 4 times. The practice of border protection and the views of specialists give grounds for approval of the verification of the model.

Статья посвящена исследованию социально-экономических последствий от вирусных эпидемий в условиях неоднородности экономического развития территориальных систем. Актуальность исследования обусловлена необходимостью поиска оперативных механизмов государственного управления и стабилизации неблагоприятной эпидемио-логической ситуации с учетом пространственной неоднородности распространения COVID-19, сопровождающейся концентрацией инфекции в крупных мегаполисах и на территориях с высокой экономической активностью.

Целью работы является разработка комплексного подхода к исследованию пространственной неоднородности распространения коронавирусной инфекции с точки зрения экономических последствий пандемии в регионах России. В работе особое внимание уделяется моделированию последствий ухудшающейся эпидемиологической ситуации на динамике экономического развития региональных систем, определению полюсов роста распространения коронавирусной инфекции, пространственных кластеров и зон их влияния с оценкой межтерриториальных взаимосвязей. Особенностью разработанного подхода является пространственная кластеризация региональных систем по уровню заболеваемости COVID-19, проведенная с использованием глобального и локальных индексов пространственной автокорреляции, различных матриц пространственных весов и матрицы взаимовлияния Л.Анселина на основе статистической информации Росстата. В результате проведенного исследования были выявлены пространственный кластер, отличающийся высоким уровнем инфицирования COVID-19 с сильной зоной влияния и устойчивыми межрегиональными взаимосвязями с окружающими регионами, а также сформировавшиеся полюса роста, которые являются потенциальными полюсами дальнейшего распространения коронавирусной инфекции. Проведенный в работе регрессионный анализ с использованием панельных данных позволил сформировать модель для сценарного прогнозирования последствий от распространения коронавирусной инфекции и принятия управленческих решений органами государственной власти.

В работе выявлено, что увеличение числа заболевших коронавирусной инфекцией влияет на сокращение среднесписочной численности работников, снижение средней начисленной заработной платы. Предложенный подход к моделированию последствий COVID-19 может быть расширен за счет использования полученных результатов исследования при проектировании агент-ориентированной моделей, которые позволят оценить средне- и долгосрочные социально-экономические последствия пандемии с точки зрения особенностей поведения различных групп населения. Проведение компьютерных экспериментов позволит воспроизвести социально-демографическая структуру населения и оценить различные ограничительные меры в регионах России и сформировать пространственные приоритеты поддержки населения и бизнеса в условиях пандемии. На основе предлагаемого методологического подхода может быть разработана агент-ориентированная модель в виде программного комплекса, предназначенного для системы поддержки принятия решений оперативным штабам, центрам мониторинга эпидемиологической ситуации, органам государственного управления на федеральном и региональном уровнях.

The article deals with the development of a methodological approach to forecasting and modeling the socioeconomic consequences of viral epidemics in conditions of heterogeneous economic development of territorial systems. The relevance of the research stems from the need for rapid mechanisms of public management and stabilization of adverse epidemiological situation, taking into account the spatial heterogeneity of the spread of COVID-19, accompanied by a concentration of infection in large metropolitan areas and territories with high economic activity. The aim of the work is to substantiate a methodology to assess the spatial heterogeneity of the spread of coronavirus infection, find poles of its growth, emerging spatial clusters and zones of their influence with the assessment of inter-territorial relationships, as well as simulate the effects of worsening epidemiological situation on the dynamics of economic development of regional systems. The peculiarity of the developed approach is the spatial clustering of regional systems by the level of COVID-19 incidence, conducted using global and local spatial autocorrelation indices, various spatial weight matrices, and L.Anselin mutual influence matrix based on the statistical information of the Russian Federal State Statistics Service. The study revealed a spatial cluster characterized by high levels of infection with COVID-19 with a strong zone of influence and stable interregional relationships with surrounding regions, as well as formed growth poles which are potential poles of further spread of coronavirus infection. Regression analysis using panel data not only confirmed the impact of COVID-19 incidence on the average number of employees in enterprises, the level of average monthly nominal wages, but also allowed to form a model for scenario prediction of the consequences of the spread of coronavirus infection. The results of this study can be used to form mechanisms to contain the coronavirus infection and stabilize socio-economic at macroeconomic and regional level and restore the economy of territorial systems, depending on the depth of the spread of infection and the level of economic damage caused.

Прогнозирование новых свойств лекарственных средств является основной задачей в рамках решения проблем полифармакологии, репозиционирования, а также изучения биологически активных веществ на доклиническом этапе. Идентификация фармакологических эффектов и взаимодействий «препарат – мишень» с использованием машинного обучения (включая методы глубокого обучения) набирает популярность в последние годы.

Цель работы состояла в разработке метода распознавания психотропных эффектов и механизма действия (взаимодействий препарата с мишенью) на основании анализа биоэлектрической активности мозга с применением технологий искусственного интеллекта.

Выполнялась регистрация электроэнцефалографических (ЭЭГ) сигналов крыс (4 канала, частота дискретизации — 500 Гц) после введения психотропных препаратов (габапентин, диазепам, карбамазепин, прегабалин, эсликарбазепин, феназепам, ареколин, коразол, пикротоксин, пилокарпин, хлоралгидрат). Сигналы (эпохи продолжительностью 2 с) преобразовывались в изображения $(2000 \times 4)$ и затем поступали на вход автоэнкодера. Выходные данные слоя «бутылочного горлышка» классифицировались и кластеризовались (с применением алгоритма t-SNE), а затем вычислялись расстояния между кластерами в пространстве параметров. В качестве альтернативны использовался подход, основанный на извлечении признаков с размерной редукцией при помощи метода главных компонент и классификацией методом опорных векторов с ядерной функцией (kSVM). Модели валидировались путем 5-кратной кроссвалидации.

Точность классификации для 11 препаратов, полученная в ходе кросс-валидации, достигала $0,580 \pm 0,021$, что значительно превышает точность случайного классификатора, которая составляла $0,091 \pm 0,045$ $(p < 0,0001)$, и точность kSVM, равную $0,441 \pm 0,035$ $(p < 0,05)$. Получены t-SNE-карты параметров «бутылочного горлышка» сигналов интракраниальной ЭЭГ. Определена относительная близость кластеров сигналов в параметрическом пространстве.

В настоящем исследовании представлен оригинальный метод биопотенциал-опосредованного прогнозирования эффектов и механизма действия (взаимодействия лекарственного средства с мишенью). Метод использует сверточные нейронные сети в сочетании с модифицированным алгоритмом избирательной редукции параметров. ЭЭГ-сигналы, зарегистрированные после введения препаратов, были представлены в едином пространстве параметров в сжатой форме. Полученные данные указывают на возможность распознавания паттернов нейронального отклика в ответ на введение различных психотропных препаратов с помощью предложенного нейросетевого классификатора и кластеризации.

Predicting novel drug properties is fundamental to polypharmacology, repositioning, and the study of biologically active substances during the preclinical phase. The use of machine learning, including deep learning methods, for the identification of drug – target interactions has gained increasing popularity in recent years.

The objective of this study was to develop a method for recognizing psychotropic effects and drug mechanisms of action (drug – target interactions) based on an analysis of the bioelectrical activity of the brain using artificial intelligence technologies.

Intracranial electroencephalographic (EEG) signals from rats were recorded (4 channels at a sampling frequency of 500 Hz) after the administration of psychotropic drugs (gabapentin, diazepam, carbamazepine, pregabalin, eslicarbazepine, phenazepam, arecoline, pentylenetetrazole, picrotoxin, pilocarpine, chloral hydrate). The signals were divided into 2-second epochs, then converted into $2000\times 4$ images and input into an autoencoder. The output of the bottleneck layer was subjected to classification and clustering using t-SNE, and then the distances between resulting clusters were calculated. As an alternative, an approach based on feature extraction with dimensionality reduction using principal component analysis and kernel support vector machine (kSVM) classification was used. Models were validated using 5-fold cross-validation.

The classification accuracy obtained for 11 drugs during cross-validation was $0.580 \pm 0.021$, which is significantly higher than the accuracy of the random classifier $(0.091 \pm 0.045, p < 0.0001)$ and the kSVM $(0.441 \pm 0.035, p < 0.05)$. t-SNE maps were generated from the bottleneck parameters of intracranial EEG signals. The relative proximity of the signal clusters in the parametric space was assessed.

The present study introduces an original method for biopotential-mediated prediction of effects and mechanism of action (drug – target interaction). This method employs convolutional neural networks in conjunction with a modified selective parameter reduction algorithm. Post-treatment EEGs were compressed into a unified parameter space. Using a neural network classifier and clustering, we were able to recognize the patterns of neuronal response to the administration of various psychotropic drugs.

В данной работе разработана вычислительная модель теплового состояния молочной железы с внутритканевым новообразованием. Модель базируется на модифицированном биотепловом уравнении Пеннеса и описывает пятислойную биологическую структуру, включающую кожу, жировую, железистую и мышечную ткани, а также зону опухоли. На внешней границе области моделируется конвективный теплообмен с окружающей средой, на внутренней границе задается фиксированная температура тела. Дополнительно учитывается пространственный нагрев поверхности, описываемый экспоненциально затухающим законом Бугера – Ламберта – Бера. Теплопроводность тканей и перфузия крови зависят от температуры по линейным законам, что отражает механизмы физиологической терморегуляции. Краевая задача для дифференциального уравнения в частных производных решалась численно с использованием явно-неявной конечно-разностной схемы; полученная после дискретизации система линейных алгебраических уравнений решалась методом прогонки. Численные эксперименты показали, что наличие даже небольшой опухоли приводит к локальному повышению температуры тканей на 0,5–1 ^◦C вследствие увеличения метаболической активности и снижения кровотока. Эта температурная аномалия становится выраженной при диаметре опухоли свыше 10 мм. Установлено, что глубина расположения новообразования существенно влияет на распределение температурного поля: при поверхностном залегании тепловой максимум смещается к коже, тогда как при более глубоком — формируется в железистой ткани. Эффективность гипертермического воздействия оценивалась с помощью интегрального критерия термального некроза, основанного на законе Аррениуса. Показано, что при поверхностной тепловой нагрузке около 5 кВт/м² и коэффициенте ослабления 100 м⁻¹ разрушение опухолевых тканей начинается через 2–3 минуты облучения, при этом здоровые ткани сохраняются в пределах безопасного температурного диапазона. Уменьшение коэффициента ослабления приводит к более глубокому распространению тепла и раннему повреждению железистой ткани, что сужает терапевтическое окно. Построены карты распределения температуры, времени до наступления некроза и глубины термического поражения в зависимости от мощности облучения, диаметра и положения опухоли.

The paper presents a computational model of the thermal state of the breast with an interstitial tumor. The model is based on the modified Pennes biothermal equation and describes a five-layered biological area including skin, subcutaneous fat, glandular and muscular tissues, as well as a neoplasm zone. Convective heat exchange with the environment is taken into account at the outer boundary, and body temperature is maintained at the internal boundary. In addition, the fabric surface is exposed to exponentially attenuating effects of spatial heating, such a heating scheme is actually based on the Bouguer – Lambert – Baer law. Tissue thermal conductivity and blood perfusion are modeled by linear functions of temperature, reflecting physiological thermoregulation. The boundary-value problem for the partial differential equation has been solved numerically using an explicit-implicit finite difference scheme; the system of algebraic equations getting after an approximation of the mentioned boundary-value problem is solved by the Thomas procedure. Numerical experiments have shown that even a small tumor increases the local temperature of tissues by half a degree due to increased metabolism and delayed blood perfusion. This anomaly is clearly manifested in tumors larger than ten millimeters. It was found that the depth of occurrence critically affects the thermal response: when the tumor is located closer to the surface, the maximum temperature shifts to the skin, whereas at a deeper position, a thermal peak forms inside the glandular tissue. The effectiveness of hyperthermic exposure was assessed by the integral criterion of thermal necrosis based on the Arrhenius law. At a radiation intensity that creates a surface thermal load of about five kilowatts per square meter and an attenuation factor of one hundred, tumor destruction begins after two to three minutes of exposure, while the surrounding healthy tissues remain within safe temperatures. Reducing the attenuation coefficient leads to the opposite effect: heat spreads deeper, and the glandular tissue is damaged first, which limits the therapeutic window. Additionally, maps of the distribution of temperature, time to necrosis, and the depth of thermal damage were constructed depending on the irradiation power, diameter, and position of the tumor.

Предложена и опробована программа для оценки расчетного времени эвакуации с возможностью выбора возрастной группы людей. Исследовано влияние возрастного состава групп людей на результаты расчета.

The program for an assessment of an estimated time of evacuation with possibility of a choice of age group of people is offered and tested. Influence of age structure of groups of people on results of calculation is investigated.