Несмотря на положительную динамику к снижению, уровень смертности с Тульской области остается высоким по сравнению со среднеросссийским показателем. Снижение уровня смертности входит в цели Концепции демографической политики Российской Федерации до 2025 года. Это может быть достигнуто путем снижения смертности по лидирующим причинам смерти, таким как: сердечно-сосудистые и онкологические заболевания и травматизм. Целью работы является изучение влияния факторов среды обитания на смертность и выбор метода прогнозирования показателей смертности. При прогнозировании используются следующие методы: регрессионный анализ, алгебраическая модель конструктивной логики, метод группового учета аргументов, искусственные нейронные сети. В работе использовались и анализировались показатели смертности за 1996 – 2012 годы, а также данные радиационной обстановки, атмосферных выбросов, почвы и водоснабжения, не отвечающие государственным нормативам. По итогам исследования установлено, что наибольшее влияние на смертность населения оказывают не отвечающие государственным нормативам пищевые продукты, выброс загрязняющих веществ в атмосферу и содержание радионуклидов в продуктах питания. Выяснено, что метод пошаговой регрессии позволяет выявить многофакторную линейную зависимость. Однако в случае нелинейной зависимости данный метод малокомптентный, и требуется применение иных методов прогнозирования, например, нейронных сетей.
Despite the positive trend to a decrease in the mortality rate from the Tula region remains high compared to middle-russian indicator. The decline in mortality is included in the Concept target demographic policy of the Russian Federation until 2025. It can be achieved by reducing mortality by leading causes of death, such as cardiovascular diseases and cancer and injuries. The aim is to study the influence of environmental factors on mortality and the choice of method for predicting mortality. When forecasting the following methods: regression analysis, algebraic model of constructive logic, group method of artificial neural networks. We used and analyzed mortality rates for 1996 - 2012 years, as well as details of the radiation situation, air emissions, soil and water, do not meet state standards. The study found that the greatest impact on mortality have not meet state standards food, the release of pollutants into the atmosphere and content of radionuclides in food. It was found that the method of stepwise regression reveals multifactor linear relationship. However, in the case of the nonlinear dependence of the method little- competent, and require the use of other methods of forecasting, such as neural networks.