Прогнозирование числа раненых после землетрясения на основе модели Ферхюльста

Землетрясение приводит к серьезным жертвам, поэтому прогнозирование жертв способствует разумному и эффективному распределению материалов для оказания чрезвычайной помощи, что играет важную роль в аварийно-спасательных операциях. В этой статье непрерывная интервальная дискретная модель Ферхюльста на основе ядер и мер (CGDVM-KM), отличная от предыдущих методов прогнозирования, может помочь нам эффективно предсказать количество раненых за очень короткое время, то есть S-образная кривая для количества больных и раненых. То есть непрерывная интервальная последовательность преобразуется в ядро ​​и последовательности измерений с равным количеством информации методом интервального отбеливания и комбинируется с классической серой дискретной моделью Ферхюльста, а затем серыми дискретными моделями Ферхюльста ядра и последовательностей измерений. представлены, соответственно. Наконец, разработан CGDVM-KM. Он может эффективно преодолевать систематические ошибки, вызванные уравнением дискретной формы для оценки параметров и уравнением непрерывной формы для моделирования и прогнозирования в классической модели Грея Ферхюльста, чтобы повысить точность прогнозирования. При этом рациональность и обоснованность модели проверяется на примерах. Сравнение с другими моделями прогнозирования показывает, что модель имеет более высокую точность прогноза и лучший эффект моделирования при прогнозировании раненых в результате сильных землетрясений. При этом рациональность и обоснованность модели проверяется на примерах. Сравнение с другими моделями прогнозирования показывает, что модель имеет более высокую точность прогноза и лучший эффект моделирования при прогнозировании раненых в результате масштабных землетрясений. При этом рациональность и обоснованность модели проверяется на примерах. Сравнение с другими моделями прогнозирования показывает, что модель имеет более высокую точность прогноза и лучший эффект моделирования при прогнозировании раненых в результате масштабных землетрясений.

1. Введение

В последние годы во всем мире часто случаются частые землетрясения. Из-за неопределенности и разрушительной силы землетрясения оно привело к большим человеческим жертвам и материальному ущербу. Например, Гаити (величина 7,3 на 13 января 2010 г., погибло 222500 человек и ранено 196000 человек), Чили (величина 8,8 на 27 февраля 2010 г., погибло более 750 человек), Япония (величина 8,6 на 11 марта 2011 г., погибло 19533 человека и пропущено 2585 человек), в Китае - Вэньчуань (величина 8,0 на 12 мая 2008 г., погибло 69227 человек, ранено 374643 и пропущено 17923 человека) и Юйшу (величина 7,1 на 14 апреля 2010 г., погибло 2698 человек). Эти данные являются официальным отчетом о сильных землетрясениях от Сейсмологического бюро Китая ( https://www.cea.gov.cn/cea/dzpd/index.html).). Видно, что землетрясения оказали серьезное влияние на производство и жизнь людей, а также привели к тяжелым человеческим жертвам и экономическим потерям. Однако из-за внезапного и хрупкого землетрясения становится трудно предотвратить его заранее. Могут быть приняты меры по эффективному устранению последствий стихийного бедствия после того, как оно произошло, с тем, чтобы уменьшить количество жертв и материальный ущерб [ 1 , 2 ].

Массовое землетрясение имеет характеристики сильной внезапности и слабого прогноза, и его возникновение часто сопровождается обрушением дороги, закупоркой каналов и другими проблемами, которые создают неудобства для спасательных операций, так что материалы для оказания чрезвычайной помощи не могут быть доставлены вовремя и полностью после катастрофа. Следовательно, необходимо точно прогнозировать материалы для оказания неотложной помощи (например, медицинские материалы, необходимые для лечения раненых), а предпосылка прогнозирования состоит в том, чтобы знать количество раненых каждый день. Прогнозируя количество раненых, мы можем не только косвенно прогнозировать потребность в лекарствах для спасательных операций при землетрясениях, но и играть ведущую роль в распределении материалов для оказания помощи.

Выбор подходящей математической модели является ключом к точному прогнозированию количества раненых. После возникновения масштабных землетрясений может быть доступен лишь небольшой объем информации, позволяющий прогнозировать количество раненых за короткое время. Ввиду такого рода информации модель предсказания по серому может воспроизводить очень хороший эффект предсказания. Метод прогнозирования серой системы основан на понимании людьми характеристик неопределенности эволюции системы, нацелен на проблемы прогнозирования серой неопределенности, существующих в действительности, с использованием небольшого количества эффективных данных, изучением внутреннего закона эволюции системы и последующим расчетом. научный прогноз тенденции развития системы [ 3]. Поэтому мы строим серую модель прогноза, чтобы спрогнозировать количество раненых после сильных землетрясений.

В этой статье мы сначала анализируем предыдущие данные и обнаруживаем, что данные о раненых представляют характеристики «S-образной формы» и непрерывного интервального динамического изменения. В соответствии с характеристиками данных выбираются интервальный метод отбеливания серого числа и серый дискретный метод Ферхюльста для построения непрерывной интервальной дискретной модели предсказания Ферхюльста на основе ядер и мер (CGDVM-KM), которая используется для моделирования и прогнозирования количества раненых в результате землетрясения Лушань в провинции Сычуань в Китае, и получены хорошие результаты. Модель прогнозирования серого цвета, предложенная в этой статье, может обеспечить хорошую поддержку для аварийного спасения в случае сильных землетрясений, чтобы предоставить ссылку для последующего распределения материалов по аварийному спасению.

Основные статьи этой статьи заключаются в следующем. Сначала мы используем принцип отбеливания интервалов для преобразования информации непрерывной интервальной последовательности, такой как ядерные последовательности и последовательности измерений, а затем он комбинируется с моделью Ферхульста Грея, и устанавливается модель и мера Ферхульста ядерной последовательности. Перестраивается непрерывная дискретная модель прогнозирования серого Ферхюльста, которая может эффективно преодолевать ошибки, сделанные классической моделью Ферхульста из-за оценки параметров с использованием дискретного моделирования и уравнения прогнозирования с использованием уравнения непрерывной формы ошибки системы и повышения точности прогнозирования. Во-вторых, из-за внезапности и продолжительности крупных землетрясений количество заболеваний и травм демонстрирует определенные серые характеристики, такие как наличие известной или неизвестной информации, а размер выборки невелик и ограничен. Поэтому мы построим CGDVM-KM для прогнозирования количества заболеваний и травм на ранней стадии землетрясения, а также потребности в лекарствах для оказания неотложной помощи. Путем сравнительного анализа с несколькими другими моделями прогнозирования серого было обнаружено, что модель, построенная в этой статье, может хорошо соответствовать количеству раненых в результате масштабных землетрясений, чтобы точно спрогнозировать количество раненых за период времени в будущее, и предоставить ссылку для аварийного спасения и последующего распределения материалов.

Остальная часть этой статьи организована следующим образом. В разделе 2 дается обзор соответствующей литературы. Характеристики данных и используемые методы представлены в разделе 3 . В разделе 4 представлена ​​необходимая модель прогноза. В разделе 5 прогнозируется количество раненых и проводится сравнительный анализ. Выводы сделаны в разделе 6 .
2. Обзор литературы

В литературе, посвященной этому исследованию, есть два аспекта: (1) прогнозирование раненых в результате сильных землетрясений; (2) модель предсказания серого.
2.1. Прогнозирование раненых при сильных землетрясениях

В литературе по прогнозированию числа раненых в результате землетрясения Ву и Гу использовали модифицированную экспоненциальную кривую для соответствия данным и предсказания числа погибших при землетрясении Вэньчуань в Китае [ 4 ]. Wang et al. создали модель нейронной сети BP для прогнозирования жертв землетрясений. Модель исследовала ключевые факторы, такие как сила землетрясения, глубина очага, интенсивность эпицентра, уровень готовности к стихийным бедствиям, ускорение землетрясений, плотность населения и прогноз стихийных бедствий, и использовала 37 серьезных землетрясений для обучения сети. Результаты показывают, что модель применима к большинству землетрясений [ 5]. Zhang et al. предложили использовать серую дискретную модель Ферхюльста для прогнозирования запасов лекарств для аварийно-спасательных работ при крупномасштабных землетрясениях [ 2 ]. Гюль и Гунери создали модель искусственной нейронной сети (ИНС) для прогнозирования жертв землетрясений, которая принимает время возникновения землетрясения, магнитуду землетрясения и плотность населения в качестве факторов прогнозирования, и используют пять землетрясений, произошедших в Турции с 1975 года, в качестве обучающей сети. образец [ 6]. Хуанг и др. внедрила экстремальную обучающую машину (ELM) для прогнозирования жертв землетрясений. Посредством обучения данных была установлена ​​структура сети ELM для прогнозирования жертв землетрясений, а также определено количество узлов скрытого слоя и функция возбуждения для обеспечения надежности результатов прогнозирования сети ELM [ 7 ]. Кроме того, Хуанг и др. предложил адаптивную оптимизацию роя хаотических частиц (ACPSO) для оптимизации сетевых параметров традиционного ELM с целью повышения стабильности и точности прогноза сети и применения улучшенной модели вяза для прогнозирования жертв землетрясений [ 8 ]. Firuzi et al. предложила эмпирическую модель для оценки смертности в Иране на основе параметров, связанных с вибрацией (PGA) [ 9 ].

Как мы все знаем, нейронные сети и методы машинного прогнозирования с экстремальным обучением требуют больше исходных данных для обучения и обучения заранее. Однако экстренное спасение при землетрясении более срочно, требует больше времени и меньшего размера выборки, поэтому неприменимо. Однако используемая в литературе модель серой системы [ 2] использует только модель Грея Ферхюльста для прогнозирования количества раненых в реальном количестве, что не полностью отражает характеристики непрерывного интервала количества пациентов. В данной статье не только учитывается насыщенная тенденция изменения S-типа количества раненых и больных, но также полностью рассматриваются характеристики непрерывного интервала количества раненых и больных, а для прогнозирования используется улучшенная интервальная модель Серого Ферхюльста. количество раненых после возникновения землетрясений, так что точность прогнозов может быть улучшена.
2.2. Модели прогнозирования серого

Многие ученые изучали модель предсказания Грея Ферхюльста. Zhang et al. представил модель Грея Ферхюльста в области прогнозирования нагрузки и применение модели Ферхульста Грея в среднесрочном и долгосрочном прогнозировании нагрузки на типичных примерах [ 10 ]. Wang et al. предложила несмещенную модель Грея Ферхюльста для погрешности, присущей модели Грея Ферхюльста [ 11 ]. Cui et al. предложила серую дискретную модель Ферхюльста в соответствии с неполной адаптируемостью традиционной модели Серого Ферхюльста, ссылаясь на идею дискретизации, и путем взаимной генерации исходных данных [ 12]. Хашем-Назари и др. предложила прямую неэквидистантную модель Грея Ферхюльста, ориентированную на основную форму, и эффективно предсказала социо-экономические временные ряды, сосредоточив внимание на населении Ирана [ 13 ]. Ван и Ли построили производную неравноправную модель Серого Ферхульста и исследовали взаимосвязь между выбросами углекислого газа и экономическим ростом. Эмпирические исследования показывают, что зависимость между выбросами углекислого газа и экономическим ростом имеет перевернутую U-образную кривую [ 14 ]. Раджеш использовал модель Серого Ферхюльста для определения движущих факторов управления социальными и экологическими рисками (SERM) в эластичной цепочке поставок, чтобы эффективно улучшить производительность SERM предприятия [ 15]. Ву и Сюй использовали модель Грея Ферхюльста для прогнозирования комплексного индекса качества воздуха [ 16 ]. Zeng et al. использовали улучшенную модель Грея Ферхюльста для обоснованного прогнозирования добычи газа в плотных породах [ 17 ]. Тиан и др. использовали модель Грея Ферхюльста для прогнозирования величины несущей способности океана в следующие пять лет (2017–2021 гг.) [ 18 ]. Zhao et al. предсказал количество пациентов с инфекцией COVID-19 в Китае на основе модели Грея Ферхульста [ 19 ].

Традиционная дискретная модель GM (1,1) не всегда хорошо подходит, а иногда ошибка предсказания велика [ 20 , 21 ], поэтому некоторые ученые начали изучать интервальные серые числа. Zeng et al. разработал модель прогнозирования DGM (1,1) для интервального серого числового ряда [ 22 ]. В соответствии с геометрическими характеристиками интервальной числовой последовательности серого на двумерной координатной плоскости, Цзэн и Лю предложили модель прогнозирования интервального серого числа на основе его геометрических характеристик посредством преобразования площади и скоординированного преобразования для преобразования интервальной числовой последовательности серого в действительную числовую последовательность без потеря информации. Таким образом, имитируется и прогнозируется интервальная числовая последовательность Грея с неопределенной информацией [ 23]. Учитывая, что некоторые данные нечеткие или отсутствуют после землетрясений, что приводит к трудностям в прогнозировании спроса на материалы, Zhang et al. предложил использовать нечеткое интервальное серое число для предсказания для повышения точности предсказания [ 24 ]. Ли и др. предложили новое правило операции умножения числа серого интервала, которое повысило точность деления числа серого. Затем, на основе предложенных правил расчета в сочетании с предварительной обработкой уменьшения серого, традиционный метод прогнозирования неоднородных данных серого цвета улучшается и применяется к задаче планирования пополнения запасов в сценариях аварийного спасения [ 25]. Zeng et al. установили новую модель интервального прогнозирования серого числа с помощью функции ядра серой числовой полосы и региональной последовательности [ 26 ]. Zeng et al. разделил интервальные серые числа на две части действительных чисел, а именно на «белую» и «серую» части. Затем разрабатываются модель Серого Ферхюльста и модель DGM (1,1) для моделирования и прогнозирования «белой» и «серой» частей соответственно. Таким образом, в определенной степени решается проблема расширения диапазона интервального серого числа [ 27]. Кроме того, в соответствии с ситуацией, когда традиционная модель корреляции серого не может извлекать информацию об интервальных признаках из последовательности чисел интервалов серого, Ye et al. построили модель серого корреляционного анализа (GRA) на основе эффективного преобразования информации интервального серого числа. Затем разрабатывается многомерная модель GM (1, n ) для прогнозирования интервального ряда чисел Грея [ 28 ].

В вышеупомянутой литературе были оптимизированы и применены модель Серого Ферхюльста и модель интервального прогнозирования числа серого с различных точек зрения, но сфера применения каждой модели не одинакова. Ни одна из вышеупомянутых моделей не подходит для прогнозирования числа раненых в результате масштабных землетрясений. Учитывая, что количество раненых после землетрясения изменяется в непрерывном интервале, в этой статье будет использоваться принцип интервального отбеливания для преобразования информации непрерывной интервальной последовательности, такой как ядерная последовательность, и меры, которые строят модель и измерение Грея Ферхульста ядерной последовательности, окончательное сокращение построить непрерывную дискретную модель серого прогнозирования Verhulst. После последующего эмпирического теста
3. Описание проблем

В этом разделе мы проанализировали данные о количестве раненых после сильных землетрясений, а затем построили соответствующую модель для прогноза по характеристикам данных.
3.1. Характеристики данных

Чтобы найти статистический закон количества раненых в результате сильного землетрясения, выбраны статистические данные о раннем землетрясении в Юйшу, провинция Цинхай, и Лушань, провинция Сычуань, в Китае. Кривая статистических данных построена и показана на рисунке 1 . Эти данные представляют собой полусуточные данные, основанные на официальном отчете об этих двух сильных землетрясениях от Сейсмологического бюро Китая ( https://www.cea.gov.cn/cea/dzpd/index.html ).


фигура 1
Количество раненых на ранней стадии землетрясения.

Путем статистического анализа данных о количестве пациентов после сильного землетрясения можно сделать вывод, что в статистических данных о количестве раненых есть две характеристики.
3.1.1. Насыщенные S-образные характеристики

Из рисунка 1, мы видим, что в начале спасения количество раненых демонстрирует экспоненциальный быстрый рост (т.е. период быстрого роста). По мере развития спасательной операции количество вновь обнаруживаемых раненых постепенно уменьшалось, а темпы роста постепенно замедлялись. Между тем, некоторые раненые с легкими травмами постепенно выздоровели и отказались от лечения, а некоторые пациенты, которые были серьезно ранены, будут отправлены в большие больницы для дальнейшего лечения после простого лечения, поэтому количество раненых постепенно стабилизировалось на уровне общего количества и больше не увеличился (т. е. стационарный период). В целом он показывает насыщенную тенденцию изменения «S-образной формы». В то же время статистические данные о количестве раненых в режиме реального времени проводились в начале спасательной операции,
3.1.2. Непрерывная интервальная динамическая изменчивость

Статистику количества раненых можно разделить на точечные и интервальные. Данные по точкам отражают только количество раненых, обнаруженных в конце записываемой временной точки дня. В золотой период спасения поисково-спасательный процесс длится 24 часа без перерыва. Во время и после статистической обработки постоянно находили раненых. Это число увеличивается каждый час, что является динамичным и непрерывным процессом роста и изменения, а количество раненых имеет непрерывный интервал каждый час и каждый день. Следовательно, точечные данные не могут точно описать реальную ситуацию. Данные о раненых можно рассматривать как непрерывный интервал изменения, который может более правдиво и точно отражать действительность.
3.2. Методика

Построение модели прогнозирования числа серого с непрерывным интервалом связано с двумя проблемами. Один из них - отбеливание серого числа с непрерывным интервалом. То есть последовательность чисел Грея с непрерывным интервалом преобразуется в последовательность действительных чисел с равным объемом информации. Другой - выбрать модель, ориентируясь на характеристики данных действительного числа. В методе ядра и измерения средняя точка нижней границы интервала выбирается в качестве последовательности ядра, а длина интервала выбирается в качестве последовательности измерения. Серое число интервала преобразуется в две последовательности действительных чисел ядер и мер, что позволяет избежать проблем, вызванных непосредственной работой с интервалом серого числа, и полностью использовать всю информацию, содержащуюся в интервале серого числа. Следовательно,

Модель Ферхюльста описывает динамический процесс развития, который изначально демонстрирует экспоненциальный быстрый рост. Со временем скорость роста постепенно замедляется и, наконец, снижается до нуля из-за вмешательства некоторых внешних факторов, и общая сумма стабильна на фиксированном значении. Это означает, что модель в основном используется для описания процесса динамического изменения серого цвета всех данных с насыщенной функцией «S-образной формы». Из процесса моделирования классической модели Серого Ферхюльста мы можем видеть, что есть некоторые ошибки в процессе преобразования из уравнения отбеливания в формулу окончательного отклика, и дискретная модель Ферхюльста серого может эффективно уменьшить эту ошибку. Следовательно, с учетом характеристик насыщенной «S-образной формы» и непрерывного интервала изменения количества раненых в результате масштабного землетрясения,
4. Построение прогнозной модели.

Основная идея построения непрерывной интервальной серой дискретной модели Ферхюльста на основе ядер и мер заключается в следующем. Сначала мы отбеливаем все серые элементы непрерывной интервальной серой числовой последовательности, а затем преобразуем их в равную информацию о последовательности ядра и последовательности измерений. Во-вторых, для предсказания ядер и мер строится серая дискретная модель Ферхюльста последовательностей ядер и мер. Наконец, мы вывели и восстановили верхнюю и нижнюю границы серого числа непрерывного интервала, после чего реализуется предсказание серого числа непрерывного интервала.

Для серого числа с непрерывным интервалом ядро ​​является центром интервала, отражая тенденцию развития последовательности серых чисел с непрерывным интервалом, которая выражается как половина суммы данных верхней и нижней границ интервала. Мерой является длина непрерывного интервала, отражающая информацию, усваивающую последовательность серых чисел непрерывного интервала, а числовое значение - разность между верхней и нижней границами. Согласно литературным источникам [ 12 , 29 ], мы имеем следующие определения.

Определение 1. Предположим, что непрерывный интервал, и серое число. Мы считали, что - ядро ​​непрерывного интервала, а - мера непрерывного интервала.

Определение 2. Пусть исходная последовательность выглядит как. Здесьуказывает данные на момент времени . Предположим, чтоявляется обратной величиной , где - оператор первого агрегатного генератора (1-AGO) для . Тогда получается следующее:. Предположим, чтоявляется 1-AGO , и. Таким образом, серая дискретная модель Ферхюльста имеет видМы можем получить оценочные параметры следующее:Функция времени отклика серой дискретной модели Ферхюльста равнаНаконец, серая дискретная модель Ферхюльста, основанная на ядрах и мерах, строится следующим образом.
4.1. Предсказание ядер

Из определения 1 можно получить исходную последовательность ядерной последовательности:

Функция времени отклика последовательности ядра дискретной модели Ферхульста серого равна

Согласно ( 5 ) последовательность ядра в соответствующий момент времени может быть предсказана путем подстановки другого времени .
4.2. Прогноз мер

Из определения 1 можно получить исходную последовательность последовательности мер:указывает число раненых во время , и это первый агрегат оператор генератора (1-АГО) из .

Функция времени отклика последовательности измерений серой дискретной модели Ферхульста равна

Его можно получить сокращением:

Согласно ( 8 ) последовательность измерений в соответствующий момент времени можно предсказать, подставив другое время .
4.3. Модель прогноза верхней и нижней границ непрерывного интервала серого числа

Значения прогнозов ядер и последовательностей мер решаются с помощью определения 2 .

Согласно ( 5 ) модель серого прогнозирования верхней и нижней границ интервала серого числа может быть получен.

Уравнение ( 11 ) представляет собой модель прогнозирования верхней и нижней границ серого числа с непрерывным интервалом. Число интервалов раненых можно предсказать, подставив его в разные интервалы времени . Наконец, можно получить среднюю относительную ошибку и синтетическую среднюю относительную ошибку моделирования, соответственно.
4.4. Стандарт проверки ошибок

После использования метода прогнозирования для подгонки кривой нам нужно использовать индекс относительной ошибки, чтобы проверить степень подбора.

Определение 3. Предположим, что последовательность исходных непрерывных интервальных серых чисел равна [ 30 ]Смоделированная последовательность модели выглядит следующим образом:Остаточные последовательности нижней и верхней границы равныНаконец, мы вычисляем относительную последовательность ошибок нижней и верхней границ:(1)Для , мы считали, чтопредставляет собой моделирование относительной ошибки в точке последовательности нижней границы, и- средняя относительная ошибка последовательности нижней границы. Расчет ошибки верхней границы опущен для подобия.(2) называется полной средней относительной ошибкой модели.(3)Ибо , когда а также Держите, модель является остаточной квалифицированной моделью.Результаты прогноза должны превосходить тест на точность, чтобы судить о том, соответствует ли результат его уровню точности. Только модель прогнозирования, которая превзошла тест на точность, может гарантировать рациональность и точность ее значения прогноза. Чем ниже этап, тем лучше будет эффект предсказания. Вычисляя остаточную ошибку и относительную ошибку для каждой точки, можно вычислить среднюю относительную ошибку моделирования верхней и нижней границ и полную среднюю относительную ошибку моделирования модели. Затем о степени точности модели прогнозирования можно судить, обратившись к таблице проверки ошибок последовательности непрерывных интервалов, показанной в Таблице 1 .
Таблица 1
Таблица проверки ошибок непрерывной интервальной последовательности.
5. Прогнозирование и анализ результатов

На примере землетрясения Лушань в провинции Сычуань 20 апреля 2013 г. мы используем непрерывную дискретную модель Ферхульста серого цвета на основе ядер и мер (CGDVM-KM) для прогнозирования числа раненых. Данные в этой статье взяты из статистики пострадавших от землетрясений (с интервалом 0,5 дня), опубликованной Сейсмологическим бюро Китая ( http://www.cea.gov.cn ). Подробнее см. В таблице 2 .
Таблица 2
Численность раненых после землетрясения.

Шаг 1. Последовательность ядра следующая:

Шаг 2. Последовательность измерений следующая:Первый оператор агрегатного генератора (1-AGO) последовательности мер - это

Шаг 3. Моделирование последовательности ядра может быть получено какМоделирование оператора первого агрегатного генератора последовательности мер (1-AGO) выполняется следующим образом:Последовательность моделирования последовательности измерений может быть получена как

Шаг 4. Моделируемые значения последовательности нижней границы интервала следующие:Моделируемые значения последовательности верхней границы интервала следующие:

Шаг 5. От, можно сделать вывод, что средняя относительная ошибка нижней границы составляет 0,00347%, а средняя относительная ошибка верхней границы составляет 0,00250%. Таким образом, средняя относительная ошибка моделирования составляет 0,00299%. Подробнее см. В таблице 3 .

Из Таблицы 3 мы видим, что остаточная ошибка для каждых данных меньше 1, что показывает хорошее соответствие. Окончательная полная средняя относительная ошибка составляет всего 0,00299%, что относится к точности прогноза первого этапа (см. Таблицу 1 ). Показано, что модель позволяет точно моделировать количество раненых в результате мощного землетрясения. В таблице 4 показаны все результаты моделирования.

На самом деле мы знаем, что с дальнейшим развитием спасательных операций некоторые пациенты с легкими травмами будут постепенно выздоравливать и отказываться от лечения, а некоторые пациенты с серьезными травмами будут отправлены в крупные больницы с лучшими медицинскими условиями в безопасных районах для дальнейшего лечения. после простого лечения. Таким образом, общее количество раненых немного уменьшится, а затем общее количество пациентов будет постепенно поддерживать относительно стабильный уровень. Из результатов интервального прогнозирования мы можем видеть, что по прошествии определенного периода времени данные интервального прогноза стабильны на уровне и больше не изменяются, что соответствует реальной ситуации.

Из таблицы 4 и рисунка 2, мы видим, что построенная в данной статье модель хорошо влияет на прогнозирование количества раненых в результате масштабных землетрясений. Чтобы дополнительно проиллюстрировать эффективность этой модели, результаты прогнозирования модели, построенной в этой статье, сравниваются с результатами прогнозирования других моделей. Для сравнения выбраны следующие шесть моделей: 
  1. (1) модель Грея Ферхюльста с действительными числами (GVM-R), 
  2. (2) дискретная модель Ферхюльста с действительными числами (GDVM-R), 
  3. (3) непрерывная интервальная дискретная модель Ферхюльста серого модель на основе атрибутов серого (CGDVM-GA), 
  4. (4) дискретная динамическая модель Ферхюльста с непрерывным интервалом на основе информационной декомпозиции (CGDVM-ID), 
  5. (5) модель GM (1,1) с непрерывным интервалом на основе ядер и меры (ЦГГМ-КМ),
  6. (6) непрерывная интервальная модель Грея Ферхюльста, основанная на ядрах и мерах (CGVM-KM).
Здесь мы делим шесть моделей на три категории и сравниваем их с моделью, построенной в этой статье: модели реального числового ряда (т.е. модель GVM-R и модель GDVM-R), различные методы интервального отбеливания и те же модели методов прогнозирования. (то есть модель CGDVM-GA и модель CGDVM-ID), и тот же метод интервального отбеливания и разные модели методов прогнозирования (т.е. модель CGGM-KM и модель CGVM-KM). Результаты представлены в таблице. и тот же метод интервального отбеливания и разные модели методов прогнозирования (т.е. модель CGGM-KM и модель CGVM-KM). Результаты представлены в таблице. и тот же метод интервального отбеливания и разные модели методов прогнозирования (т.е. модель CGGM-KM и модель CGVM-KM). Результаты представлены в таблице.5 и рисунок 3 .

В модели непрерывного интервального предсказания серого есть два ключевых фактора, которые влияют на точность предсказания: метод интервального отбеливания и метод предсказания серого. Из таблицы 5 можно сделать следующие выводы.

Во-первых, сравнивая с моделью предсказания серого с действительным числом, мы обнаруживаем, что модель предсказания серого с непрерывным интервалом имеет более высокую точность предсказания. Это связано с тем, что процесс отбеливания интервального серого числа может извлечь больше информации из данных, и его прогноз более точен. Во-вторых, при использовании одного и того же метода прогнозирования серого цвета мы обнаруживаем, что разные методы отбеливания имеют большее влияние на результаты прогнозирования, а метод отбеливания, основанный на зернах и измерениях, имеет больше преимуществ. Это связано с тем, что метод отбеливания - это способ обработки интервальных данных, и его цель состоит в том, чтобы извлекать информацию, содержащуюся в интервальных данных. Чем больше информации добывается, тем точнее прогноз. Наконец, с помощью того же метода отбеливания, мы обнаруживаем, что различные модели прогнозирования имеют большое влияние на результаты прогнозов. Подразумеваемая причина может заключаться в том, что метод отбеливания добывает информацию об интервальных данных, в то время как метод прогнозирования точно и эффективно соответствует добытой информации, чтобы предсказать будущую тенденцию. Серая дискретная модель Verhulst имеет больше преимуществ, чем серая модель GM (1,1) и серая модель Verhulst. Подводя итог, можно сказать, что дискретная модель Ферхюльста с непрерывным интервалом, основанная на ядрах и мерах (CGDVM-KM), построенная в этой статье, имеет наивысшую точность моделирования.
Таблица 3
Ошибки верхней и нижней границы.
Таблица 4
Результаты симуляции.


фигура 2
Разрыв в прогнозе количества раненых.
Таблица 5
Сравнение ошибки предсказания между этой моделью и другими моделями предсказания серого.


Рисунок 3 Ошибка предсказания разных моделей.


6. Выводы

Серое число с непрерывным интервалом имеет более сложную структуру данных, чем действительное число и серое число с прерывистым интервалом, поэтому сложнее построить модель с более высокой точностью прогнозирования. В этой статье, посредством анализа регулярности и характеристик статистических данных о количестве раненых после мощного землетрясения с насыщенной «S-образной формой» и тенденции его непрерывного интервального динамического изменения, мы рассматриваем методы отбеливания ядер и измерений и Серый дискретный прогноз модели Verhulst и построение непрерывной серой дискретной модели динамического прогнозирования Verhulst на основе ядер и мер для прогнозирования количества раненых после сильных землетрясений. По сравнению с другими моделями прогнозирования реальных чисел и интервалов, результаты показывают, что модель, построенная в этой статье, имеет более высокую точность прогноза и лучший эффект моделирования и может более точно и эффективно моделировать количество раненых после сильных землетрясений. Конечно, применение модели прогнозирования - это гораздо больше, чем прогнозирование количества раненых, и она хорошо подходит для данных с насыщенной S-образной формой и тенденцией изменения непрерывного интервала.

В то же время, согласно результатам исследования Feng et al. По данным о типе и распределении травм пострадавших в результате землетрясения в Таншане и данных о лекарствах больницы для лечения раненых в аналогичных авариях можно увидеть, что существует линейная корреляция между типом и количеством спасательных препаратов при землетрясении. аварийно-спасательные работы и количество раненых в результате землетрясения [ 31 ]. Таким образом, непрерывную дискретную модель динамического прогнозирования Verhulst с непрерывным интервалом, основанную на измерении суммы ядра, можно использовать для прогнозирования количества пациентов на третий день после землетрясения в Лушане, а затем оно умножается на коэффициент употребления наркотиков, равный 40. виды обычных препаратов для оказания экстренной помощи, предложенные в справочнике [ 31]. Наконец, мы можем быстро и точно рассчитать тип и количество лекарств для оказания экстренной помощи на третий день после землетрясения в Лушане. Как только тип и количество лекарств для оказания чрезвычайной помощи будут точно и эффективно определены, штаб-квартира и организаторы помощи при землетрясении смогут своевременно и эффективно распределять и обеспечивать потребности в лекарствах для чрезвычайной помощи в пострадавших от землетрясения районах, а также эффективность землетрясения. Помощь при стихийных бедствиях может быть улучшена.

Хотя мы построили модель для эффективного прогнозирования числа раненых после сильных землетрясений, модель интервального серого прогнозирования является более сложной моделью в теории серых систем, и на ее эффективность влияет множество факторов. Дальнейшая оптимизация модели - направление будущих исследований. Кроме того, прогнозирование количества раненых позволяет лучше предоставить материалы для оказания экстренной помощи, поэтому вопрос о том, как более точно соотносить количество раненых и необходимых материалов, является целью следующего шага.

Доступность данных. Данные, использованные для подтверждения результатов этого исследования, включены в статью. Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов. Благодарности

Это исследование было поддержано Национальным фондом социальных наук Китая (№ 10XGL013); Проект планирования социальных наук Чунцина (№ 2020TBWT09); Общий проект исследования гуманитарных и социальных наук муниципальной комиссии по образованию Чунцина (грант № 18SKGH069); Фонд стартапов научных исследований Чунцинского университета технологий и бизнеса (№ 1855016); Чунцинская докторская программа социального и научного планирования (№ 2018BS79); и Открытый исследовательский фонд Чунцинской ключевой лаборатории электронной коммерции и системы цепочек поставок (1456026).

Рекомендации
  • С. Чен и К. Ван, «Включение байесовской сети в двухэтапное стохастическое программирование для решения проблемы размещения и инвентаризации банка крови в случае бедствия», Дискретная динамика в природе и обществе , т. 2019, идентификатор статьи 7214907, 2019.Смотреть на: Сайт издателя | Google Scholar
  • Дж. Чжан, К. С. Чен и Б. Цзэн, «Прогнозирование спроса на медикаменты неотложной помощи после сильного землетрясения - серая дискретная модель Verhulst», Journal of Gray System , vol. 27, нет. 3. С. 234–248, 2015.Посмотреть: Google Scholar
  • Э. Каякан, Б. Улутас, О. Кайнак, “Модели на основе теории систем Грея в прогнозировании временных рядов”, Экспертные системы с приложениями , т. 37, нет. 2. С. 1784–1789, 2010.Смотреть на: Сайт издателя | Google Scholar
  • X. Wu и J. Gu, «Модифицированная экспоненциальная модель зарегистрированного числа погибших во время землетрясений», Earthquake Science , vol. 22, нет. 2. С. 159–164, 2009.Смотреть на: Сайт издателя | Google Scholar
  • Х. Х. Ван, Дж. Х. Ню и Дж. Ф. Ву, «Модель ИНС для оценки человеческих жертв при проектировании землетрясений», Системные инженерные процедуры , том. 1, вып. 1. С. 55–60, 2011.Смотреть на: Сайт издателя | Google Scholar
  • М. Гюль и А.Ф. Гунери, «Модель оценки пострадавших от землетрясений на основе искусственной нейронной сети для города Стамбул», Natural Hazards , vol. 84, нет. 3. С. 1–16, 2016.Смотреть на: Сайт издателя | Google Scholar
  • X. Хуанг, MJ Luo и HD Jin, «Применение улучшенного алгоритма ELM для прогнозирования жертв землетрясений», Plos One , vol. 15, вып. 6. С. 1–13, 2020.Смотреть на: Сайт издателя | Google Scholar
  • X. Хуанг, JY Song и HD Jin, «Прогнозирование несчастных случаев при землетрясении на основе метода экстремального обучения машин», Natural Hazards , vol. 102. С. 873–886, 2020.Посмотреть: Google Scholar
  • Э. Фирузи, К. Амини Хоссейни, А. Ансари, Й.О. Изадхах, М. Рашидабади и М. Хоссейни, «Эмпирическая модель для оценки смертности от землетрясений в Иране», Natural Hazards , vol. 103, нет. 1. С. 231–250, 2020.Смотреть на: Сайт издателя | Google Scholar
  • Ф. С. Чжан, Ф. Лю и В. Б. Чжао, «Применение модели Серого Ферхюльста в среднесрочном и долгосрочном прогнозировании нагрузки», Power System Technology , vol. 5. С. 37–40, 2003.Посмотреть: Google Scholar
  • З.-Х. Ван, Ю.-Г. Данг, С.-Ф. Лю, «Беспристрастная модель серого Verhulst и ее применение», Системная инженерия, теория и практика , вып. 29, нет. 10. С. 138–144, 2009.Смотреть на: Сайт издателя | Google Scholar
  • Л.З. Цуй, С.Ф. Лю и З.П. Ли, «Дискретная модель Ферхюльста Грея», Системная инженерия и электроника , т. 33, нет. 3. С. 590–593, 2011.Посмотреть: Google Scholar
  • М. Хашем-Назари, А. Исфаханипур и SMT Фатеми Гоми, «Неэквидистантные модели серого верха (Nbfgvms), ориентированные на« базовую форму », для III-структурированных задач социально-экономического прогнозирования», Journal of Business Economics and Management , vol. . 18, нет. 4. С. 676–694, 2017.Смотреть на: Сайт издателя | Google Scholar
  • ZX Wang и Q. Li, «Моделирование нелинейной взаимосвязи между выбросами CO 2 и экономическим ростом с использованием модели Серого Ферхульста, основанной на алгоритме PSO», Journal of Cleaner Production , vol. 207. С. 214–224, 2018.Посмотреть: Google Scholar
  • Р. Раджеш, «Управление социальными и экологическими рисками в устойчивых цепочках поставок: периодическое исследование по модели Грея-Ферхюльста», Международный журнал производственных исследований , вып. 57, нет. 11-12, стр. 3748–3765, 2019.Смотреть на: Сайт издателя | Google Scholar
  • Л. Ву и З. Сюй, «Анализ качества воздуха в Пекине, Тяньцзине и Шицзячжуане с использованием модели Серого Верхульста», Атмосфера качества воздуха и здоровье , т. 12, вып. 8. С. 1–8, 2019.Смотреть на: Сайт издателя | Google Scholar
  • Б. Цзэн, X. Ма и М. Чжоу, «Новая структура модели Серого Ферхюльста для прогнозирования добычи газа из плотных пластов в Китае», Прикладные программные вычисления , т. 96, 2020.Посмотреть: Google Scholar
  • Р. Тиан, К. Шао и Ф. Ву, «Четырехмерная оценка и прогнозирование несущей способности морской среды в Китае: эмпирический анализ на основе энтропийного метода и модели Грея Ферхюльста», Бюллетень по загрязнению морской среды , т. 160, 2020.Посмотреть: Google Scholar
  • YF Zhao, MH Shou и ZX Wang, «Прогнозирование числа пациентов, инфицированных COVID-19, на основе скользящих серых моделей Верхульста», Международный журнал экологических исследований и общественного здравоохранения , т. 17, нет. 12. С. 1–20, 2020.Смотреть на: Сайт издателя | Google Scholar
  • Э. Лю, К. Ван, X. Ге и В. Чжоу, «Динамическая дискретная модель GM (1,1) и ее применение в прогнозировании конфликтных событий урбанизации», Дискретная динамика в природе и обществе , т. 2016 г., идентификатор статьи 3861825, 2016 г.Смотреть на: Сайт издателя | Google Scholar
  • В. Чжоу и Д. Чжан, «Улучшенная серая модель метаболизма для прогнозирования малых образцов с единичными данными и ее применение к выбросам диоксида серы в Китае», Дискретная динамика в природе и обществе , т. 2016 г., идентификатор статьи 1045057, 2016 г.Смотреть на: Сайт издателя | Google Scholar
  • Б. Цзэн, С. Лю и Н. Се, «Модель прогнозирования интервального серого числа на основе DGM (1, 1)», Journal of Systems Engineering and Electronics , vol. 21, нет. 4. С. 598–603, 2010.Смотреть на: Сайт издателя | Google Scholar
  • Б. Цзэн и С.Ф. Лю, «Модель прогнозирования интервального серого числа на основе его геометрических характеристик», Journal of Systems Engineering , vol. 26, вып. 2. С. 1654–1663, 2011.Посмотреть: Google Scholar
  • М. Чжан, Х. Ву, З. Цю, Ю. Чжан и Б. Ли, «Прогнозирование спроса на аварийные поставки при нечетких и отсутствующих частичных данных», Дискретная динамика в природе и обществе , т. 2019 г., идентификатор статьи 6823921, 2019 г.Смотреть на: Сайт издателя | Google Scholar
  • К. Ли, Ю. Ян и С. Лю, «Среда уменьшения серого для прогнозирования неоднородных данных серого цвета», Soft Computing , vol. 2. С. 17913–17929, 2020.Смотреть на: Сайт издателя | Google Scholar
  • Б. Цзэн, Г. Чен, С.-ф. Лю, «Новая модель интервального прогнозирования серого с учетом неопределенной информации», Journal of the Franklin Institute , vol. 350, нет. 10. С. 3400–3416, 2013.Смотреть на: Сайт издателя | Google Scholar
  • Б. Цзэн, К. Ли, Г. Чен и В. Чжан, «Модель Verhulst интервального серого числа, основанная на декомпозиции информации и комбинации моделей», Journal of Applied Mathematics , vol. 2013. С. 1–8. 2013.Смотреть на: Сайт издателя | Google Scholar
  • J. Ye, Y. Dang и Y. Yang, «Прогнозирование многофакторных интервальных числовых последовательностей серого с использованием реляционной модели серого и модели GM (1, N ) на основе эффективного преобразования информации», Soft Computing , vol. 24, вып. 7. С. 5255–5269, 2020.Смотреть на: Сайт издателя | Google Scholar
  • Л. Данг и Л. И. Лин, «Модель прогнозирования интервального серого числа на основе ядер и мер», Математика на практике и теория , вып. 44, нет. 8, 2014.Посмотреть: Google Scholar
  • Б. Цзэн, С.Ф. Лю и Дж. Ли, «Метод проверки ошибок для модели интервального прогнозирования числа серого на основе ядра и длины интервала», в материалах Международной конференции IEEE по серым системам и интеллектуальным службам , Нанкин, Китай, октябрь. 2011 г.Посмотреть: Google Scholar
  • Х. Фэн, Дж. Ли, С. Чен, М. Лю и Х. Сун, «Анализ спроса на лекарства для лечения травм в результате землетрясения», Journal of Pharmaceutical Practice , vol. 21, нет. 2. С. 100–102, 2003.Посмотреть: Google Scholar

Нет запрета на применение «сыворотки правды» на полименталах


Дверь открылась и они вошли в сауну. «Японцы» - тут же пронеслось в голове. Ну а кто еще? Китайцы работают в тройках. Русские всегда имеют явного лидера, который сразу бросается в глаза. Американцы с европейцами со времен паладинов и падаванов функционируют в парах, но это явно были не спаренные пары - все четверо спокойны и каждый держит свой сектор. Значит японцы или продвинутые израильтяне. Но чтобы среди израильских «призраков Машиаха» набралась четверка, в которой я не знаю ни одного - ну это уж очень вряд ли. Один из морпехов бросился навстречу вошедшим. Идущий первым молча протянул ему в приветствии руку. Морпех автоматически протянул для пожатия свою... 

На Востоке есть древняя притча. Был один Мастер боевых искусств, который побеждал всех и вся. А где-то в горах жил Учитель, который никого никогда не побеждал, а просто учил. И вот однажды Мастер сказал, что нет ему равных в Поднебесной, и он сильнее всех, даже Учителя и хочет всем показать на наглядном примере. Назначили время и место боя. Собралась куча окрестных и не очень зрителей, что бы лицезреть поединок всех времен и народов. Бойцы подошли друг к другу, пожали друг другу руки, после чего Мастер поклонился, поблагодарил собравшихся гостей и сказал что боя не будет, и что он рад признать мастерство Учителя. На обратном пути, один из ближайших учеников Мастера спросил:
- А все таки, почему не было боя?
- Бой был, сказал Мастер, и я благодарен Учителю, что он сохранил мне лицо. 

В этой притче есть свой философский смыл, но есть и более прагматичное объяснение. Болевой захват большого пальца со стороны выглядит как простое рукопожатие. Очевидно, что Мастер не знал этого приема, а Учитель знал. А что такое попасть на болевой? Это ж все, снимайте шляпу, тушите свечи, концерт окончен, пианино устало. Но Учитель был мудр, и не стал при всех унижать Мастера своей победой - он же был Учитель. С большой буквы. 

В бою не принято здороваться, и Морпеха этому приему не учили. И вот теперь он оказался сидящим на карточках перед вновь вошедшими. Остальные трое стали плавно и отточено его обходить. Ну приятно смотреть, как работает боевая квадра! Нас в сауне 12 человек. Четыре морпеха, я и семь девушек. Морпехи - крепкие, выносливые двухметровые громилы, с ними хорошо на демонстрацию выходить, а здесь, в закрытом помещении, нафаршированном гражданскими, против четырех спецагентов, они были никто и звать их никак. Опять же, «Восточная красавица» делала свое дело. Да и к чему тут делать фарш, когда еще не известно, сколько за дверью этих самураев? С другой стороны, если бы была задача на ликвидацию, то мы уже всем скопом поднимались на лестнице к праотцам. Пора кончать шоу.
- Спокойно, спокойно, это за мной. 
Встаю, накидываю полотенце на плечи и гордо иду к выходу. 

Я не понимаю людей, которые оказавшись нагишом, начинают судорожно прикрывать свои гениталии. Чего ты там пытаешься спрятать, детка? Что там за тайна, которую ты так сильно хочешь скрыть от мира? У тебя что-то растет поперек, что должно расти вдоль? Или там какой-то необычный отросток, который вместо двух клубней дал три? Ну так яви чудо миру! У меня же все как у всех, демонстрировать особо нечего, но и стыдится как-то не приходится. Я гордо шагаю в сопровождении троих ниндзя, демонстрирую забившейся в угол прислуге свои причиндалы. А то можно подумать, они тут, в сауне, чего-то такого не видели.

Вот мы и пришли. Двое держат меня под руку, пока третий достает шприц. Сотня продвинутых химических лабораторий по всему миру работают над разными тайными препаратами, каждый мутит что-то свое под великим секретом, а цвет ампул у всех одинаковый: оранжевый - ускорение, голубой - истина, зеленый - болезненная бяка, розовый - полет, улет. Никакого разнообразия в дизайне. Ну вводи, якудза, вводи свой голубой поток. Я поворачиваюсь к тому, кто держит мою левую руку - по идеи он лидер группы, и говорю ему три цифры. 
- Аохао??!! - кричит он, и я медленно проваливаюсь под этот волшебный звук. Так кричат, когда в ожидании твоего стрита вскрывают флэш, а ты раскрываешь каре. Так кричат, когда твоя обшарпанная колымага на дрэгрейсинге делает его нафокстроченную звезду. Так кричат, когда ты вваливаешься в комнату, где друзья отмечают твои сорокины.  Так кричат..., кричат..., кричат... Мне ужасно смешно. Мне так смешно, аж хочется писать... Я сейчас описаюсь!  - Сыворотка правды для полиментала!!! Хохоча, я погружаюсь в бездну воспоминаний..

О консолидации политических позиций между Россией и Китаем

Я живу в России 35 лет. Китай у меня в часе езды на автомобиле. Занимаясь бизнесом, в свое время имел фирму в Гонконге. С этих позиций и буду говорить.
  1. Консолидация политических позиций между Россией и Китаем имеет место быть. Структура власти этих двух режимов очень похожа. Тоталитарная система Китая в последнее время все больше трансформируется в авторитарную, каковой уже на протяжении 20 лет является Россия. Си Цзиньпин и Путин имеют общую систему ценностных взглядов и хорошо понимают друг друга. 
  2. Российский дрейф в сторону Китая во многом обусловлен негибкой политикой Запада и США. Они не понимают принципы управления при авторитарных режимах и не умеют с ними эффективно работать. России Китай нужен как поставщик различных товаров, все промышленное производство в России уничтожено. Сегодня в российских магазинах, на обычной совковой лопате стоит клеймо: Произведено в Китае. 
  3. Со стороны Китая никаких особых политических шагов в сторону России не делалось - она сама плывет в его сторону. Россия Китаю нужна как поставщик стратегического сырья: удобрений, леса, металла, энергоносителей, взамен которых Китай поставляет в Россию бусы.
  4. Современных военных технологий у России нет - после развала СССР прошло 30 лет и все советские разработки уже устарели. У Китая такие разработки есть, но он и близко не собирается делиться ими, тем более, что производить сама России ничего не может - подавляющее большинство военных предприятий уничтожено. 
  5. Единственная сила, которая есть у России - это громадный ядерный арсенал, созданный в годы СССР. Даже если эти ракеты никуда не полетят, а взорвутся в своих шахтах, то причиненный ущерб будет колоссален. Поэтому Путин не боится никакой внешней агрессии. 
  6. Сближение России с Китаем в реальности никакой новой угрозы ни для Японии, ни для Южной Кореи не создают. Единственный страны, кому следует опасаться этого союза - это Казахстан и Турция. Обе эти страны не сильно интегрированы в существующую систему безопасности (хотя Турция и член НАТО, а Казахстан периодически пытается показать свою сверхлояльность Китаю). 
  7. И последнее. Как человек, чьи предки были айну и для кого Япония не чужая страна скажу так: сегодня Японии не нужно думать про Россию или Китай. Там ничего нового не происходит. А вот отношения с Южной Кореей нужно менять - это самый близкий друг и сосед, пусть и не самый идеальный. И самой Японии тоже нужно меняться - уже 30 лет. как японская экономика стоит на месте. Не знаете что менять - спросите меня.     

Африканская народная сказка о жизни в снегу, морозе и холоде

Африканская народная сказка

Жил-был на берегу реки Лимпопо, между Северной Нигерией и Верхней Вольтой один человек. Как и все, он носил охапки речной травы, которой укрывал свою хижину. Когда наступал сезон охоты, человек охотился на антилоп Гну и Согну. Обычный такой человек, но с одной особенностью: длинный, толстый и твердый нос. Этот нос нравился всем его соплеменникам и соплеменницам и за это они однажды сделали человека главным сезонным околачивателем бананов. Человек стал носить на носу стекляшки для важности, научился держать телефон, хотя на кнопки не давил, боясь гнева Богов Согну и Гну. Самые красивые женщины племени по очереди готовили ему вкусную бобовую похлебку щедро посыпанную термитами, расчесывали кудри черепаховым гребнем и слагали песни, какой у Главного нос и какой он мастер по околачиванию бананов. Но когда банановый сезон прошел, человек не захотел возвращаться в свою хижину. И тогда он научил племя новой песни, которую все стали петь по утрам, как только солнце вставало над рекой. 

«Кто, кто, кто - если не он?
Если не он, то кто, кто он?

Нету никого, нету, нету!
Никого, никогда и нигде нету.
Ни на том, на этом свету»

Шли годы и десятилетия. Человек, превратился в дедушку, потом в прадедушку, и даже в прапрадедушку. Все волосы покинули его череп, переместившись на уши и длинный, толстый, крепкий нос. Старые морщинистые самцы шимпанзе легко принимали его на свои посиделки среди лиан и каучуковых деревьев. И вот однажды самый близкий визирь стал нашептывать ему в волосатое черное ухо: «Пора, пора уходить. Еще можно по-хорошему». Но прадедушка уже никого и ничего не слушал и не слышал. Он знал только одно – рейтинг его носа достиг 99.8%. При таком рейтинге зачем смотреть дальше собственного носа? Что там можно нового увидеть? Только все то же чучела хамелеона Чучхе и бесхвостого скорпиона Ктулху. И дряхлеющий человек продолжал рассказывать всему племени правду о жадности паука Ананси и злобности бисерной ящерицы, днем и ночью мечтающих уничтожить всех мужчин, что бы отдать их женщин в надругательство страшным стадам северных бабуинов. 

Но наступил день и горе пришло в сакли! И полетела над саванной новая песня:
«Опустела без тебя Зимбаб.
О великий, мудрый Голова! 
Как нам несколько часов прожить?
Да что там часов, минут когда нет!

Чемоданов из крокодиловой кожи не хватает на всех,
Улетающих из страны бедняков!
Дух подмышек богини Фемиды,
Стал запахом смерти для всей прислуги!» 

Но человек с длинным, толстым и волосатым носом уже не слышал эту песню. Он сидел одиноко в тесном помещение без окон, с горшком воды в углу и смотрел на похлебку из бананов. На душе его было спокойно и хорошо - жизнь удалась. И он поднял себя с колен.

   

Игра в бисер на понижение ставок: определение «постовой эпохи»

Признаёмся, мы не в состоянии дать однозначное определение, почему эту эпоху называют «постовой». Некоторые считают что все дело в  переходе от одной глобальной эры Рыб к другой эре Водолея. Другие предполагают, что все дело в тех изделиях, которые получили в то время большое распространение под название «пост». Похоже, что они, как особо любимая часть материалов периодической печати, производились миллионами штук, составляли главную пищу любознательных читателей, сообщали или, вернее, «болтали» о тысячах разных предметов, и похоже, что наиболее умные часто потешались над собственным трудом, во всяком случае, попадалось множество таких работ, которые надо толковать как самовысмеивание их авторов. Вполне возможно, что в этих произведенных промышленным способом статьях таится масса иронии и самоиронии, для понимания которой надо сперва найти ключ. Поставщики этой чепухи частью принадлежали к редакциям газет, частью были «свободными» литераторами, порой даже слыли писателями-художниками, но очень многие из них принадлежали, кажется, и к ученому сословию, были даже известными преподавателями высшей школы. Излюбленным содержанием таких сочинений были анекдоты из жизни знаменитых мужчин и женщин и их переписка, озаглавлены они были примерно так:

4 апреля - день рождения создателя соционики Аушры Аугустинавичюте

 А́ушра Аугустинавичю́те - это культовая фигура, для всех кто знает, что такое соционика. Это она ее и создала. Хотя лично я думаю, что в ее основе лежит американская "Типология Майерс — Бриггс", но... В Америке эта типология так и осталось одной из.., а вот соционика в СССР, благодаря Аушре, развилась в глобальную дисциплину, с большой теоретической и практической проработкой.

СССР после себя оставило мало разработок в гуманитарной сфере - тогда мысли человека все больше относилось к сфере политики и пропаганды. Но все же, что-то и мы смогли. ТРИЗ - "Теории Решения Изобретательских Задач", сильно двигало сознание наших инженеров. ОДИ - "Организационно-Деятельностная Игра" Георгия Щедровицкого - технология Гения, опередившего свое время, так и оставшаяся нераскрытой из-за сына Гения. Такое бывает иногда, что посредственный  сын натягивает на глобус гениальное учение своего отца

У соционики слава Богу другая, более удачная судьба. И если бы не крах СССР, вполне допускаю, что мы бы жили сейчас в соционическом государстве, где каждый знает свое место в строю, знает, что он может, а что - не его. Соционика помогает сразу понять человека. Смотрим, кто там:


Дональд Трамп. Кто по типу - ENTJ Командир - Джек Лондон, Предприниматель, Экспериментатор, ЛИЭ. И все ж сразу ясно.

или

Владимир Зеленский. Кто по типу - ENFJ Тренер — Гамлет, Наставник, ЭИЭ. Теперь открывай Интернет и читай, кто они, эти Гамлеты

или

Владимир Путин. Кто по типу - ISTJ Администратор — Максим Горький, Инспектор, ЛСИ. Читайте ценности второй квадры - вот вам и весь путинизм.

или

А́ушра Аугустинавичю́те. Кто по типу - ENTP Полемист - Дон, Искатель, Новатор, ИЛЭ. - Ни хухра мухра кака, а Лидер первой Альфа квадры Весны!

PS Я и А́ушра - мы тождики. Ну кто в курсе, тот знает.

Четвертая соционическая квадра Дельта: ESTJ, ENFP, INFJ, ISTP

Четвертая соционическая Дельта квадра. Феноменологические метафоры - синонимы: Зима, Север, Земля, Старость.. Состав квадры
  • ЛИДЕР Штирлиц, Администратор, Управляющий, ЛСЭ, ESTJ
  • Гексли, Советчик, Вдохновитель, ИЭЭ, ENFP 
  • Достоевский, Гуманист, ЭИИ, INFJ
  • Габен, Мастер СЛИ, ISTP
4 соционическая квадра Дельта: ESTJ, ENFP, INFJ, ISTP


Четвертая квадра - старость социона. Мир в этой квадре воспринимается жестко и реалистично. Их стихия - земля – самая консервативная и самая плодородная. Такова в целом и атмосфера квадры, где объединены реалисты, ценящие стабильность существования и незыблемость традиций. «Хорошие отношения - основа всего, ради комфорта можно и поработать» - так думают в четвертой квадре. Здесь ценится логика потребления и рационального использования ресурсов. Это наиболее рачительная квадра, умеющая рационально потреблять, предпочитающая качество и надежность. Для дельта квадры не свойствен риск, аврал, экономический хаос, махинации. Качество может быть только стабильным. Четвертая квадра формирует условия для личностного роста каждого. Создавая локальный рай, открывает таланты, действует экологично во всех областях природы и психики, дает обществу новую, адекватную времени мораль. Четвертая квадра никогда не действует силовыми методами, как вторая бета квадра. Призвание дельта: в сохранении всего хорошего, что было в старом и передача его первой альфа квадре, которая будет творить это самое, новое. 

Империя ангелов §1-50. Читать онлайн книгу бесплатно и без регистрации

Посвящается Веронике

1. ЗА КУЛИСАМИ РАЯ

Тремя путями мудрости являются: 
  • юмор,
  • парадокс,
  • изменение.

Дэн Миллман, чемпион мира по прыжкам с трамплина

1. Я УМИРАЮ Это произошло быстро и мощно. Вдруг. Раздался ужасный шум. Я обернулся. Я увидел носовую часть «Боинга-747» рейса Иерусалим - Тель-Авив, которая влетала прямо в мое окно, крушила стены, пересекала комнату, ломая мебель и разбрасывая книги, неумолимо приближалась ко мне. Даже если ты авантюрист, исследователь, открыватель новых миров, все равно однажды ты столкнешься с проблемой, которая выше твоих сил. Во всяком случае, самолет, который рушит мою квартиру, — это выше моих сил.

Все происходит как в замедленной съемке. Вокруг меня все рушится со страшным шумом, вздымаются клубы пыли, через нее я вдруг вижу лица пилотов. Один высокий и худой, другой маленький и лысый. Они, наверное, впервые в жизни доставляют пассажиров прямо до дома. Лицо худого искажено от ужаса, а лысый просто дергается в панике. Из-за шума я их, конечно, не слышу, но тот, у кого открыт рот, должно быть, громко кричит.


Я пячусь назад, но «Боинг-747» на полном ходу так просто не останавливается. В отчаянии я закрываю лицо руками, оно искажается в жалобной гримасе, я зажмуриваюсь. В этот момент я еще надеялся, что все это просто кошмарный сон. Я подождал. Совсем недолго. Наверное, десятую часть секунды, но она показалась мне очень длинной. Потом был удар. Меня отшвырнуло назад, затем прижало к стене и разорвало на куски. Наконец стало тихо и темно. Такие вещи всегда удивляют. Не только ошибки сирийского оператора, но и собственная кончина. Я не хочу умирать сегодня. Я еще слишком молодой.

Изображения нет, звука нет, чувств нет. Тсс... Плохие признаки. В нервной системе еще осталось немного сока. Мое тело, возможно, еще можно собрать. Если повезет, если пожарные приедут быстро, то заставят сердце биться, поправят сломанные конечности. Я буду долго лежать на больничной койке, а потом постепенно все станет, как и было раньше. Все знакомые скажут: это просто чудо, что мне удалось выкарабкаться. Ну вот я слышу звуки сирен. Они приедут. Но что происходит? Я здесь. Наверное, сейчас везде пробки.
Я знаю, что нужно держаться. Смерть— это уж слишком. Нужно заставлять мозг работать. Нужно думать. Но о чем?
А вот, например, о песенке моего детства.
Был маленький кораблик, Был маленький кораблик, Он никогда не плавал, Он никогда не плавал...
Какие там дальше слова? Черт, память тоже объявляет забастовку. Библиотека закрывается.
Мой мозг остановился, я это чувствую, но я... я продолжаю думать. Декарт был не прав. Можно больше «не быть», но еще «мыслить». А я не просто думаю, я прекрасно осознаю все, что происходит. Абсолютно все. У меня никогда еще не было такого ясного сознания.
Я чувствую, что должно произойти что-то важное. Я жду. Вот оно. У меня такое впечатление, как будто что-то... выходит из меня! Что-то наподобие облачка пара. Пар принимает форму моего тела. Это прозрачная копия меня!
Так вот это и есть моя душа? Этот «другой полупрозрачный я» медленно выходит из моего тела через темечко. Мне страшно, и в то же время я чувствую возбуждение. Потом все опрокидывается.
«Другой я» смотрит на мое бывшее тело. Оно разлетелось на мелкие кусочки. Что ж, нужно признать, что если только не найдется хирурга — любителя складывать головоломки, то его восстановить невозможно.
Боже мой, какое удивительное ощущение! Я лечу. Я поднимаюсь все выше и выше.
Серебристая нить еще связывает меня с моими останками, как пуповина. Я продолжаю полет, и нить исчезает.
Был маленький кораблик, Он никогда не плавал.
Маленький кораблик — это я. Мое тело колышется. Я лечу. Я удаляюсь от своего бывшего "я". Теперь я вижу «Боинг» получше. Самолет весь искорежен. Я вижу то, что осталось от моего бывшего дома. Это напоминает рухнувший карточный домик, этажи сложились один на другой. Я лечу над крышами. Я парю в небе. Но что я здесь делаю?

"Я профессор кафедры антропологии в Париже, и мне кажется, что я могу ответить на ваш вопрос. Можно сказать, что человеческая цивилизация появилась тогда, когда некоторые приматы перестали выбрасывать погибших собратьев на помойку, а стали украшать их ракушками и цветами. Первые украшенные захоронения были обнаружены вблизи Мертвого моря. Их возраст от 14 000 до 120 000 лет. Это означает, что в те далекие времена за смертью следовал некий «магический» феномен. Нужно отметить, что одновременно появилось нефигуративное искусство, пытающееся выразить эту «магию». Позднее в первых фантастических произведениях их авторы пытались представить то, что будет после смерти. Возможно, впрочем, лишь для того, чтобы успокоить самих себя".
Источник: некто во время опроса общественного мнения на улице

Что-то влечет меня вверх. Яркий свет. Теперь я наконец узнаю. Что есть после жизни? Что находится над видимым миром?
Полет над городом.
Полет над планетой.
Я выхожу за пределы Земли. Серебристая ниточка еще немного вытягивается, и наконец исчезает.
Теперь обратной дороги нет. Кончилась моя жизнь в обличье Мишеля Пэнсона, очаровательного господина, который, впрочем, был не прав в том, что умер.
В тот момент, когда я покидаю «жизнь», я понимаю, что всегда считал смерть чем-то, что происходит только с другими. Легенда. Во всяком случае, испытание, от которого меня можно было бы избавить.
Все когда-нибудь умирают. Со мной это произошло сегодня.

«Я думаю, что после жизни ничего нет. Ничего-ничего. Я думаю, что бессмертия мы достигаем, делая детей, а они сделают других детей и так дальше... Это они передают в будущее наш маленький огонек».
Источник: некто во время опроса общественного мнения на улице



2. БОЛЬШОЙ ПРЫЖОК

Я знаю, что у меня больше нет выбора. Земля превратилась в маленькую пылинку где-то вдали. Фрагменты того, что было когда-то моим телом, только что нашли пожарные.
Удивительно, но мне кажется, что я слышу их голоса: «Какая катастрофа! Не каждый день самолеты врезаются в дом. Как отыскать тела погибших в этой мешанине из бетона?»
Теперь это уже не моя проблема.
Фантастический свет притягивает меня. Я направляюсь к центру нашей галактики. Наконец я его вижу. Континент мертвых — это черная дыра в центре Млечного Пути.
Она похожа на сливное отверстие в унитазе, на водоворот, вокруг которого все вращается по спирали. Я приближаюсь. Это напоминает трепещущий цветок, гигантскую орхидею из кружащейся световой пыли.
Черная дыра всасывает все: солнечные системы, звезды, планеты, метеориты. И меня она увлекает тоже.
Я вспоминаю карты континента мертвых. Семь небес. Я нахожусь на Первом небе. Это коническое пространство синего цвета. Попадают туда через звездную пену.
"Каждый год на Земле рождаются миллионы людей. Они превращают тонны мяса, фруктов и овощей в тонны экскрементов. Они движутся, размножаются, а потом умирают. В этом нет ничего необычного, но именно здесь и заключается смысл нашей жизни: Родиться. Есть. Двигаться. Размножаться. Сдохнуть.
В промежутке создается впечатление собственной важности, потому что мы с помощью рта издаем звуки, шевелим руками и ногами. Но вот что я скажу: мы мало что значим и мы вынуждены стать гнилью, а потом пылью".
Источник: некто во время опроса общественного мнения на улицеНа пороге континента мертвых я вижу других существ. Рядом со мной парят другие мертвые, и все, как ночные бабочки, летят на свет.
Жертвы автомобильных катастроф. Приговоренные к смертной казни. Замученные пленники. Неизлечимые больные. Неудачливый прохожий, которому на голову упал цветочный горшок. Необразованный любитель загородных прогулок, который перепутал гадюку с ужом. Доморощенный мастер на все руки, поцарапавшийся ржавым гвоздем и не сделавший прививку от столбняка.
Некоторые прямо-таки искали проблем. Пилоты-любители полетать в тумане, не пользуясь навигационными приборами. Горнолыжники, не заметившие пропасть. Парашютисты, превратившиеся в летящий факел. Недостаточно внимательные дрессировщики диких хищников. Мотоциклисты, думавшие, что успеют обогнать грузовик.
Вот умершие сегодня, я приветствую их.
Невдалеке я узнаю знакомые силуэты. Роза, моя жена! Амандин, моя бывшая любовница!
Я начинаю вспоминать.
Они были в соседней комнате, когда самолет упал на наш дом в Бютт-Шомоне. И с ними я испытал великое приключение «танатонавтов».
«Танатонавты» происходит от «танатос», что значит «смерть», и «навтос» — навигатор.
Этот термин придумал мой друг Рауль Разорбак. Как только появилось слово, появилась и наука. А как только появилась наука, появились и первооткрыватели. Мы построили танатодромы, мы положили начало танатонавигаторству.
Нашей целью было отодвинуть существующую после смерти «терра инкогнита». И мы ее достигли. Мы приподняли занавес над последней великой тайной, тайной смысла смерти. Все религии говорят о ней, все мифологии описывают ее более или менее точными метафорами. Мы стали первыми, кто заговорил о ней как об открытии нормального «континента».
Мы боялись, что не сможем завершить начатое. И то, что «Боинг-747» вроде бы случайно упал на наш дом, доказывает, что мы в конце концов побеспокоили кого-то «наверху».
И вот теперь я вижу то, что мы открыли... но более ясно. Поскольку наши ниточки уже оборвались, я прекрасно понимаю, что на этот раз возвращение назад невозможно. Мы погружаемся в конус водоворота, который становится все уже. Мы пересекаем эту первую территорию до конца и достигаем стены, которая напоминает студенистую матовую массу. Как МАХ-1 был первым звуковым барьером, так мы с друзьями назвали МОК-1 первым барьером смерти. Сегодня мы вместе преодолеваем его.
Я немного колеблюсь. Другие смело движутся вперед. Тем хуже. Я следую за ними. Мы попадаем через стену...

«Скандал. Это скандал. Я работаю медсестрой в хосписе для неизлечимо больных. Поскольку я часто вижу агонизирующих людей, я составила свое мнение об этом. И я думаю, что все это просто чудовищно. Я думаю, что люди делают вид, будто смерти не существует. Дети видят однажды „скорую помощь“, у возящую дедушку в больницу. Потом они его не видят несколько недель. Однажды по телефону сообщают, что он умер. В результате подрастающие поколения не представляют себе, что такое смерть. И когда эти дети становятся взрослыми, а потом стариками и сталкиваются с собственной смертью, их охватывает паника. Не только потому, что речь идет об их исчезновении, но и потому, что они стоят перед полной неизвестностью. Я бы дала такой совет детям: не бойтесь, навещайте ваших дедушек и бабушек в больнице! Вы получите там самый большой урок... жизни».
Источник: некто во время опроса общественного мнения на улице

...на Второе небо. Это черная территория всех страхов.
Они материализуются в форме ужасов, вышедших из моего подсознания. Непроглядный мрак. Мурашки по коже. Меня встречают насмешливые монстры и современные черти.
Повсюду я сталкиваюсь с самыми страшными кошмарами. Но луч света по-прежнему здесь, и он ведет меня прямо вперед.
Я встречаю все мои страхи лицом к лицу, в полумраке. Потом я приближаюсь к двери, похожей на матовую мембрану. МОК-2. Я прохожу в нее и оказываюсь в...

"Я вдова, и я была с моим мужем до самой его кончины. Это произошло в пять фаз. Сперва он отказывался умирать. Он требовал, чтобы все продолжалось как раньше, и говорил о своем возвращении домой после того, как поправится. Потом, когда врачи сказали ему, что надежды нет, он впал в бешенство. Ему нужно было найти виновного. Он обвинял своего врача в некомпетентности. Он обвинял меня в том, что я положила его в плохую больницу. Он говорил, что я хочу его смерти, чтобы как можно скорее получить наследство. Он упрекал всех в том, что его забыли и не навещают. Он стал таким неприятным, что даже дети не хотели общаться с ним. Потом он успокоился, и началась третья стадия, которую можно назвать «стадией торговца». Как будто он торговался: хорошо, я умру, но я хочу продержаться до моего дня рождения. А еще лучше, до чемпионата мира по футболу. Я хочу посмотреть полуфинал. Или, по крайней мере, четвертьфинал. Когда он понял, что все бесполезно, у него началась депрессия. Это было ужасно. Он не хотел говорить, не хотел есть. Как будто он вдруг от всего отказался. Он перестал бороться, потерял всю энергию. Он был похож на опустившего руки боксера, который ждет последнего удара. Наконец, началась пятая стадия. Он согласился. У него вновь появилась улыбка. Он попросил магнитофон, чтобы слушать любимую музыку. Он особенно любил «Дорз», это напоминало ему его молодость. Он умер с улыбкой, в наушниках, слушая «Here is the end».
Источник: некто во время опроса общественного мнения на улице



...красном мире моих фантазмов, следующим за синим миром и черным миром страха. Здесь материализуются все мои самые сумасшедшие желания. 
Я нахожусь на Третьем небе. Ощущение удовольствия, огня, влажной жары. Сладострастие. Я встречаю свои самые экстравагантные сексуальные фантазмы, самые скрытые желания. Я немного задерживаюсь здесь. В сознании возникают особенно возбуждающие сцены. Самые сексуальные актрисы и фотомодели зовут меня в свои объятия.
Моя жена и бывшая любовница встречают каких-то красивых юношей.
Я хочу остаться здесь, но в конце концов следую за центральным лучом, как аквалангист, боящийся удалиться от страховочной веревки. Так я пересекаю МОК-3.

«Мы хотели бы, чтобы смерти не было. На самом деле она, к счастью, есть, если вас интересует мое мнение. Ведь самое худшее, что с нами может приключиться, это стать бессмертными. Вот скука-то, вы так не думаете?»
Источник: некто во время опроса общественного мнения на улице

Четвертое небо: оранжевая территория. Это место, где чувствуешь боль по уходящему времени. Бесконечная, уходящая за горизонт очередь умерших, двигающаяся не намного быстрее, чем очередь в кинотеатр. Судя по одеждам, некоторые стоят в ней уже по много веков. Если только это не актеры массовки из фильма-катастрофы, погибшие во время съемок, то ясно, что ждать здесь можно очень долго. И они ждут.
Оранжевая территория, это наверняка то место, которое в христианской религии называется чистилищем. Я чувствую, что мы тоже должны встать в конец очереди и ждать. Правда, еще на

Цифровое творчество Личный блог: 8 930 Р. Полезный и необходимый подарок себе любимому / любимой.
Или родным и близким.
Подробнее

Earthquakes can be predicted.

Earthquakes must be predicted.

Small donationTHANK YOU