Все выпуски

Работа посвящена построению приближенной математической модели нелинейной теории упругости для плоской деформации. В качестве метода, реализующего символьные вычисления, применяется метод эффектов третьего порядка. Предложенная модель позволяет использовать методы линейной теории упругости для решения конкретных задач. Данный метод является пригодным для автоматического получения аналитических решений плоских задач нелинейной теории упругости о концентрации напряжений около отверстий на базе математического пакета Maple. На примере треугольного контура исследован нелинейный эффект зависимости коэффициента концентрации напряжений от уровня внешней нагрузки.

This article is dedicated to the construction of the approximate mathematical model of the nonlinear elasticity theory for plane strain state. The third order effects method applied to symbolic computing. There three boundary value problems for the first, the second and the third order effects has been obtained within this method, which gets ability to use well-elaborated methods of the linear elasticity theory for the solution of specific problems. This method can be applied for analytical solving of plane problems of nonlinear elasticity theory of stress concentration around holes in mathematical package Maple. Considered example of the triangular hole. The influence of external loads on the stress concentration factor.

Разработана математическая модель роста опухоли в ткани с учетом ангиогенеза и антиангиогенной терапии. В модели учтены как конвективные потоки в ткани, так и собственная подвижность клеток опухоли. Считается, что клетка начинает мигрировать, если концентрация питательного вещества падает ниже критического уровня, и возвращается в состояние пролиферации в области с высокой концентрацией пищи. Злокачественные клетки, находящиеся в состоянии метаболического стресса, вырабатывают фактор роста эндотелия сосудов (VEGF), стимулируя опухолевый ангиогенез, что увеличивает приток питательных веществ. В работе моделируется антиангиогенный препарат, который необратимо связывается с VEGF, переводя его в неактивное состояние. Проведено численное исследование влияния концентрации и эффективности антиангиогенного препарата на скорость роста и структуру опухоли. Показано, что сама по себе противоопухолевая антиангиогенная терапия способна замедлить рост малоинвазивной опухоли, но не способна его полностью остановить.

A mathematical model of tumor growth in tissue taking into account angiogenesis and antiangiogenic therapy is developed. In the model the convective flows in tissue are considered as well as individual motility of tumor cells. It is considered that a cell starts to migrate if the nutrient concentration falls lower than the critical level and returns into proliferation in the region with high nutrient concentration. Malignant cells in the state of metabolic stress produce vascular endothelial growth factor (VEGF), stimulating tumor angiogenesis, which increases the nutrient supply. In this work an antiangiogenic drug which bounds irreversibly to VEGF, converting it to inactive form, is modeled. Numerical analysis of influence of antiangiogenic drug concentration and efficiency on tumor rate of growth and structure is performed. It is shown that antiangiogenic therapy can decrease the growth of low-invasive tumor, but is not able to stop it completely.

В работе рассматривается задача моделирования формирования и распространения панических состояний в социальных группах людей с относительно устойчивой структурой межличностных взаимодействий. Паника интерпретируется как нелинейный процесс эмоционального заражения, возникающий в результате взаимодействия индивидуальных психологических характеристик и коллективных эффектов в социальной среде. В отличие от моделей, ориентированных на пространственную динамику движущихся толп, предложенный подход фокусируется на квазистационарных сетях взаимодействий, отражающих информационные и эмоциональные контакты между участниками. Разработанная дискретная сетевая динамическая система интегрирует индивидуальные параметры типов темпераментов человека (сангвинического, холерического, флегматического и меланхолического), структуру социальных связей и нелинейные механизмы коллективного поведения. Индивидуальная динамика паники описывается S-образной функцией роста, обеспечивающей ограниченность уровня эмоционального возбуждения и отражающей стадии его формирования и насыщения. Социальное влияние моделируется на графе межличностных взаимодействий (случайная сеть Эрдёша – Реньи) через локальные контакты между участниками. Дополнительно учитываются эффекты коллективного заражения и лавинообразного усиления, обусловленные средним уровнем паники в группе, а также базовый стрессовый фактор, зависящий от численности группы. Численное моделирование реализовано в дискретной итерационной форме с возможностью анализа индивидуальных и групповых траекторий паники. Введен количественный показатель скорости распространения паники, определяемый временем достижения состоянием группы уровня, близкого к полной панике. Проведен сравнительный анализ гетерогенной и однородных групп, показавший, что гетерогенность состава существенно ускоряет распространение паники за счет межтемпераментного взаимодействия: высоковозбудимые индивиды выступают инициаторами эмоционального заражения, тогда как более устойчивые участники частично сглаживают его динамику. Оценка качества модели с использованием коэффициента детерминации показала высокую степень согласованности результатов в рамках модельных данных. Практическая значимость работы заключается в возможности применения модели для анализа устойчивости социальных групп к паническим состояниям, оценки рисков на массовых мероприятиях и разработки интеллектуальных систем мониторинга коллективного поведения. Перспективы дальнейших исследований связаны с расширением модели с учетом направленных и динамических сетей, а также с ее калибровкой на основе эмпирических данных.

The paper addresses the problem of modeling the formation and propagation of panic states in social groups with relatively stable structures of interpersonal interactions. Panic is interpreted as a nonlinear process of emotional contagion arising from the interaction between individual psychological characteristics and collective effects within a social environment. In contrast to models focused on the spatial dynamics of moving crowds, the proposed approach concentrates on quasi-stationary interaction networks that reflect informational and emotional contacts among individuals.

The developed discrete network dynamical system integrates individual temperament parameters (sanguine, choleric, phlegmatic, melancholic), the structure of social connections, and nonlinear mechanisms of collective behavior. The individual dynamics of panic are described using an S-shaped growth function, which ensures boundedness of the emotional arousal level and captures the stages of its formation and saturation. Social influence is modeled on a graph of interpersonal interactions (an Erdos –Renyi random network) through local contacts between individuals.

Additionally, the model incorporates the effects of collective contagion and avalanche-like amplification driven by the average panic level in the group, as well as a baseline stress factor depending on group size. Numerical simulation is implemented in a discrete iterative form, allowing for the analysis of both individual and group panic trajectories. A quantitative indicator of the panic propagation rate is introduced, defined by the time required for the group to reach a state close to full panic.

A comparative analysis of heterogeneous and homogeneous groups is conducted, demonstrating that group heterogeneity significantly accelerates panic propagation due to inter-temperament interactions: highly excitable individuals act as initiators of emotional contagion, while more stable individuals partially dampen its dynamics. The evaluation of the model quality using the coefficient of determination shows a high degree of consistency within the simulation data.

The practical significance of the work lies in the potential application of the model for analyzing the resilience of social groups to panic states, assessing risks at mass events, and developing intelligent systems for monitoring collective behavior. Future research directions include extending the model to account for directed and dynamic networks, as well as its calibration based on empirical data.