Моделирование определения степени ожирения с применением метода нечеткого логического вывода

Статья посвящена компьютерному моделированию социальной и медицинской проблемы определения степени ожирения массы тела. Проведен анализ, выявлена значимость решения проблемы. Представлен подход к решению определения степени ожирения массы тела с применением современных математических методов опирающихся на теорию нечетких множеств и на метод нечеткого логического вывода. На основе краткого обзора сделан вывод, что индекс массы тела, размера окружности талия, степени абдоминального ожирения, являются прямыми факторами измерения степени ожирения массы тела. Так как все три факторы являются нечеткими параметрами, для принятия решения применен метод нечеткого логического вывода. Выявлены универсумы нечетких переменных ожирения массы тела, индекс массы тела, размера окружности талия, степени абдоминального ожирения. С помощью нечетких продукционных правил предоставлены варианты ответа для различных ситуаций. Нечеткий логический вывод реализован методом Мамдани. Построенная модель позволяет объективно и точно рассчитать показатели ожирения для большого количества людей за короткий промежуток времени. Благодаря этой особенности разработанный подход может быть использован в популяционных исследованиях при определении конкретных категорий массы тела как проблемы со здоровьем. Накопленные этого рода данные имеют значимость при страховании жизни. Результаты связаны не только с неблагоприятными проблемами со здоровьем, но и с социальными проблемами, такими как определение упитанности населения разных регионов.

1. Meiliana A, Wijaya A. Peroxisome Proliferator-Activated Receptors and The Metabolic Syndrome. The Indonesian Biomedical Journal. 2009;1(1):4-31. DOI: 10.18585/inabj.v1i1.79

2. Chumakova GA, Pokutnev AP, Veselovskaya NG. Clinical specifics of patients state after revascularized myocardial infarction, depending on the baseline obesity status. Russian Journal of Cardiology. 2018;(5):21-26. (In Russ.). DOI: 10.15829/1560-4071-2018-5-21-26

3. Чумакова ГА, Покутнев АП, Веселовская НГ. Клинические особенности пациентов, перенесших инфаркт миокарда с реваскуляризацией, в зависимости от исходного статуса ожирения. Российский кардиологический журнал. 2018;(5):21-26. DOI: 10.15829/1560-4071-2018-5-21-26

4. Nuttall FQ. Body Mass Index: Obesity, BMI, and Health: A Critical Review. Nutrition Today. 2015;50(3):117-128. DOI: 10.1097/NT.0000000000000092

5. Xu Z, Zhuang L, Li L, Jiang L, Huang J, Liu D, et al. Association between waist circumference and lung function in American middle-aged and older adults: findings from NHANES 2007–2012. Journal of Health, Population and Nutrition. 2024;43:98. DOI: 10.1186/s41043-024-00592-6

6. Zilpah Sheikh. How to Measure Your Waist. WebMD Editorial Contributors. 2024. Available at: https://www.webmd.com/diet/calculating-your-waist-circumference (accessed: 24.03.2025).

7. Obesity and overweight. 2024. Available at: https://www.who.int/news-room/fact-sheets/detail/obesity-and-overweight (accessed: 23.03.2025).

8. Abbasova GY, Huseynzade ShS, Taqiyeva AD. Fuzzy computer modeling of liver disease diagnosis based on biochemical blood analysis. Proceedings of the 9th International Conference on Control and Optimization with Industrial Applications (COIA–2024), IEEE. Istanbul, Turkiye; 2024. pp. 151-154.

9. Pei Z, Liu Q, Yan L, Wang L. Label of a Linguistic Value in a Universe of Discourse and the truth values of Fuzzy Propositions. Information Sciences. 2025;690:121545. DOI: 10.1016/j.ins.2024.121545

10. Huseynzade ShS. Modeling intellectual control systems with application of modified fuzzy colored Petri nets. Vestnik komp'yuternyh i informatsionnyh tekhnologiy. 2020;10:30–37. (In Russ.). DOI: 10.14489/vkit.2020.10.pp.030-037

11. Qaid WAA. Methods construction membership function of fuzzy sets. Izvestiya SFedU. Engineering Sciences. 2013;4:144-152. (In Russ.).

12. Каид ВАА. Методы построения функций принадлежности нечетких множеств. Известия ЮФУ. Технические науки. 2013;4:144-152.