基于社会分工的流行病动力学建模与仿真研究

疫情预测是流行病防控体系中的重要一环,准确建立流行病演化动力学模型具有十分重要的意义。针对现有流行病建模方法中鲜有考虑群体中的社会分工问题,拟将整个群体划分为普通居民、社会服务人员和一线医务工作人员等三个子群,基于异质均匀混合理论,利用子群邻接矩阵表示个体间的接触关系,建立了流行病传播与演化的延时动力学模型。仿真结果表明,本文方法更符合实际情况,可为流行病动力学建模与仿真提供一种有效手段,对武汉疫情做了动力学建模与仿真分析。     

基于节点活跃度与疾病交互双重影响因素的传染病模型

基于SIS传播机制,提出了一个可以用来研究同时具有节点活跃度与疾病交互双重影响因素的复杂网络疾病传播模型。与以往研究不同,本文研究的是两个不同的疾病,同时传播在同一群体中,并且通过疾病间的交互影响来改变自身的传播概率。同时,群体中的个体也会根据一定的活跃度来改变自身活跃状态,进而影响与其他个体的接触状态。在该模型基础上,根据异构平均场理论,分析了疾病传播的动态演化过程和临界阈值。通过计算机仿真验证了模型和理论分析的准确性。结果显示,数值模拟仿真与理论分析结果相吻合,进一步验证模型的准确性。另外,通过模拟疾病间相互损害、相互促进的相反传播情况,发现系统临界阈值的大小会随着个体活跃度的降低而减小。     

基于复杂网络的劳动力群体离职传播动力学模型及治理策略

针对劳动力群体离职问题,基于复杂网络理论,以劳动力个体、劳务公司和地域来源作为网络节点,各节点间关系作为边,建立了劳动力组织网络。在该网络基础上,构建离职信息的产生、扩散、响应、叠合和衰减的传播动力学模型。以上海市某重大基础设施工程为例进行仿真,分析了正式组织约束力、均匀免疫策略和熟人免疫策略对抑制离职感染的效果与规律。研究发现:该网络内离职信息的多点叠合传播是离职人数不断增长的主要原因;处于正式组织领导地位的节点初始传播能力强,而在网络中起群体中介作用的节点后续传播能力显著提升;群体间中介节点及其邻居节点具有较高的响应频次,是出现群体离职的潜在源;通过提高正式组织约束力可弱化个体离职倾向,但对各节点效果不一;采用均匀免疫或熟人免疫策略可降低离职率,且熟人免疫策略更优。研究有利于揭示劳动力组织离职群体化的内在机理,给出了新的治理策略。     

基于复杂网络的劳动力群体离职传播动力学模型及治理策略

针对劳动力群体离职问题,基于复杂网络理论,以劳动力个体、劳务公司和地域来源作为网络节点,各节点间关系作为边,建立了劳动力组织网络。在该网络基础上,构建离职信息的产生、扩散、响应、叠合、衰减的传播动力学模型。以上海市某重大基础设施工程为例进行仿真,分析了正式组织约束力、均匀免疫策略和熟人免疫策略对抑制离职感染的效果与规律。研究发现:该网络内离职信息的多点叠合传播是离职人数不断增长的主要原因;处于正式组织领导地位的节点初始传播能力强,而在网络中起群体中介作用的节点后续传播能力显著提升;群体间中介节点及其邻居节点具有较高的响应频次,是出现群体离职的潜在源;通过提高正式组织约束力可弱化个体离职倾向,但对各节点效果不一;采用均匀免疫或熟人免疫策略可降低离职率,且熟人免疫策略更优。研究有利于揭示劳动力组织离职群体化的内在机理,给出了新的治理策略。     

传染病传播模型综述

建立传染病传播模型是理解传染病流行机理, 预测流行趋势, 进行防控决策的基础. 将传染病传播模型分为单一群体模型, 复合群体模型和微观个体模型三类. 单一群体模型从宏观角度刻画了集计量的变化, 以经典的\,SIR\,为基础, 在仓室设置、 年龄结构、 随机性、 异质性等方面进行了扩展. 复合群体模型将人群划分为多个子群体, 子群体之间因人口流动而耦合, 适合研究具有空间异质性的跨地区传播问题. 微观个体模型的出发点是个体状态和行为, 所有个体形成接触网络. 这类模型有理想网络和现实网络两个研究方向, 理想网络关注接触网络特性对传染病传播动力学的影响, 现实网络致力于揭示社会接触的实际特征, 构建足够真实的模拟网络, 研究传染病的传播. 这三类模型各有特点, 分别具有各自的适用领域, 应根据研究目的和问题特点选择合适的建模方法.     

群体性突发事件中非一致信任水平舆论传播建模与分析

群体性突发事件是影响社会稳定的重要因素,正确认识和理解舆论传播的演化机制, 可以建立快速、高效的应急体系和措施, 从而保证群体性突发事件的客观舆论导向. 针对群体中个体属性的多样性, 在Krause有界信任模型基础上提出了非一致有界信任模型, 进行了一系列计算机仿真实验. 结果表明: 当社会网络中个体的信任水平各不相同时, 要使社会网络的群体观点达到一致, 远比相同信任水平时要难; 而且, 社会网络中个体的数量与舆论传播的最终观点簇之间存在正相关关系.     

基于Agent动态小世界网络的HIV同性传播仿真研究

提出了一个agent动态小世界网络仿真模型,结合了小世界网络结点和agent的双重特性,研究了HIV(Human Immunodeficiency Virus)在同性人群中传播扩散的动态过程。为了适应社会网络上HIV传播的动态特性,模型在小世界网络基础上增加两个个体之间的偶然关系和固定关系以及个体从系统中的移入和移出。介绍了HIV病情发展的不同阶段及疾病参数,考虑了个体的自主性和检测对HIV传播的影响。仿真结果表明该模型较好地反映了动态社会网络和个体自主性行为对HIV传播的影响。     

网络结构对谣言传播的影响

在分析战时谣言传播心理学机制的基础上,将谣言传播人群划分为三类,通过设计个体的交互规则,利用度分布来描述个体间的交互结构,建立了复杂网络谣言传播的新模型.并从理论推导和计算机仿真两个角度分析了网络结构与谣言传播效果之间的关系,结果表明:1)网络平均度分布越大,异质性越高,越有利于谣言传播;2)谣言在社区结构网络传播时会出现震荡行为.     

基于SIS模型的锻炼获益感知传播建模与仿真

为辨析个体健康行为改变与群体健康行为涌现之间的关系,解决在社交网络中对锻炼效果感知等典型健康信息传播过程进行数学刻画困难、社会试验难以开展等问题,引入传染病动力学SIS(susceptible-infected-susceptible)模型,对经典健康信息锻炼效果感知的传播过程进行建模仿真,以满足社会系统复杂性和个体多样性、智能性要求。利用NetLogo平台、采用基于Agent的建模仿真方法,对锻炼获益感知的传播过程进行数值实验,识别群体健康行为改变涌现的相变过程。实验表明：该模型能够有效刻画锻炼效果感知信息传播过程,其传播效果与传播积极性消减周期长度、节点复态几率等因素高度相关。     

基于社交网络结构特征的S2IR谣言传播模型

针对社交网络中的用户对谣言的抵抗能力存在差异以及用户间亲密度不同的情形,通过引入谣言信度函数与个体亲密度函数,定义体现网络结构特征的非一致接触传播率。考虑传谣者的信谣程度及传谣力度不同,基于平均场理论建立一种新的网络谣言传播动力学模型。在BA无标度网络中通过数值仿真验证了理论分析的正确性。实验结果表明,谣言在度大的节点中传播更快、范围更广;高谣言信度与用户亲密度会使谣言传播速度加快、传播范围变广;进一步探究了模型中遗忘率、辟谣率等相关参数对谣言传播的影响。对基本再生数进行敏感性分析,进而提出了控制谣言传播的建议,并对比分析了随机免疫与目标免疫两种常见免疫策略的效果;在仿真网络与真实网络中分析了网络结构对谣言传播的影响规律。     

动态网络中基于SIS模型疾病传播的建模与仿真研究

基于二维规则晶格,提出一个考虑个体运动的改进的SIS(SusceptibIe-Infected-Susceptible)传染模型来研究疾病在动态网络结构中的传播行为.利用平均场理论分析得到了改进的SIS模型的传染临界值,并通过大量的数值仿真加以验证.结果表明有效传播临界速率与晶格中群体密度密切相关,并且个体运动也会显著影响疾病传播行为.最后,基于分析和仿真的结果,提出一些可行的控制策略来抑制疾病在运动群体中的传播.     

基于SEIiRD模型的COVID-19传播及防控仿真研究

随着新冠肺炎疫情在全世界各地传播，通过对其数据和传播机理的分析，已有SEIRD模型的基础上构建SEI_iRD模型，将感染人群分为无症状感染者、轻症感染者、重症感染者和危重症感染者，分析不同感染人群的传播率对疫情发展的影响。在拟合现实数据的基础上进行仿真实验，研究发现影响疫情发展的主要感染人群是无症状感染者和轻症感染者。在此基础上进一步分析了不同的无症状和轻症感染者的传播速率所造成感染人数和死亡人数的变化情况。针对介入干预时间对感染人数和死亡人数的影响进行了仿真分析。实验结果表明该模型能有效模拟新冠肺炎疫情传播规律，有助于防控职能部门实施相应的疫情防控策略提供决策支持。     

个体的观点不确定性对群体观点多元化的影响

用社会群体中个体的微观特性,来研究群体的宏观规律,是提升社会观点演化研究科学化水平的重要手段。然而,目前对个体的观点不确定性与群体观点多元化涌现之间关系的探索还不够深入。在有界信任模型的基础上,通过区分观点不确定性的范围和程度,构建了“有界信任”与“部分观点坚定”共同作用的模型,研究了个体的观点不确定性对群体形成多元化观点的影响。通过调整个体的观点不确定性,考察单个个体、同质群体和异质群体的观点演化效果,用仿真计算实验揭示了个体的观点不确定性的范围和程度对群体形成观点多样性的影响机制和特点;通过对社会群体的分析,建立了个体的观点不确定性与观点的依赖关系,考察了3种典型初始观点分布条件下的群体观点演化,发现观点呈现出类似均匀分布或正态分布时容易形成群体观点多元化,而呈现出“极端子群体”分布时难以形成观点多元化。仿真计算实验从一定程度上揭示了社会群体观点演化的规律。     

基于小世界网络的微博谣言传播演进研究

刻画谣言在微博上的快速传播状态,研究影响谣言传播的关键因素。基于传染病的基础模型,将受众扩展为5类(无知者、接触者、传播者、沉寂者、失去兴趣者),引入兴趣衰减系数描述个体多次接触谣言时转发兴趣降低状态,同时考虑了个体只会转发一次的现实状况。为验证模型的有效性,对模型进行了多主体仿真,并将仿真数据与两个真实案例的数据对比,发现构建的模型可以较好地拟合现实情况。通过仿真实验,对不同因素的系数进行对比分析,发现改变兴趣衰减系数、首次转发概率以及小世界网络的属性都显著影响了微博的传播演进过程。     

泛在媒体环境下的网络舆情传播控制模型

正逐步形成的泛在媒体环境深刻影响着网络舆情的传播与控制.将传统的传染病模型推广到泛在媒体环境这样一个开放系统中, 建立了新的带直接免疫的SEIR舆情传播控制模型, 新模型克服了已有网络舆情传播模型存在的对网民个体状态处理过于简单, 对舆情传播媒介的处理过于简化等缺陷.证明了模型的传播平衡点及稳定性, 提出了从网络舆情传播环境入手, 在舆情形成初期进行干预的控制方法.据此, 构建了基于Wiki技术的网络舆情传播控制平台, 对该平台的舆情传播控制效能做了仿真剖析, 验证了控制方法的有效性.     

新个体的加入及初始条件对疾病传播的影响

用复杂网络理论构建人群关系网,采用随机差分方程组等价描述SIS模型与SIR模型的疾病传播过程,通过方程组,理论上得到了某些一般性结论。然后讨论了由于新个体加入使网络变复杂的传播情况,通过仿真发现,新加个体的重要度及人群关系网的拓扑结构对疾病传播过程有影响。此外,研究了SIR模型中不同初始感染个体对疾病传播的影响,当初始个体是随机选取或来自不同k-center时,传播过程有明显的不同。而且对个体数目及平均度相同的网络,在相同条件下,网络的深度越小,感染的人数越多。     

在线社交网络谣言传播的仿真研究——基于聚类系数可变的无标度网络环境

在经典SIR传染病模型的基础上,根据在线社交网络中谣言传播的特点,将网络谣言的受众用户扩展为无知者、知晓者、信任者、传播者、暂时免疫者和永久免疫者6类。同时考虑到用户会因为不断接触某一相同的谣言而导致对该谣言的信任水平增加的现实情况,引入社会加强正向效应,提出了一个改进的在线社交网络谣言传播模型,并结合复杂网络的相关理论建立了一个考虑聚类系数可变的无标度网络环境进行仿真研究。仿真发现,谣言的传播能力与影响范围会随着社会加强正向效应、用户首次接触并相信谣言的概率、孤立节点密度以及初始传播节点的度的增大而增大,但会随着网络聚类系数的增加而得到抑制。本文提出的谣言传播模型比较符合真实在线社交网络的谣言传播特性,可以为实践中网络谣言的管控提供一定理论参考。     

有向网络上流行病阈值比较和免疫分析

考虑在有向网络中的流行病阈值以及免疫措施分析的问题,利用SIS模型详细研究了有向网络上的传染病动力学行为.首先获得了一个依赖于有向网络的出度与入度分布和传染力函数的流行病阈值,接着给出了技术网络和社会网络上的流行病阈值表达式.进一步发现当传染力是一个常数时,有向网络中具有较大出度的网络类型更利于疾病传播;而当传染力与网络的出度成正比时,疾病在这两种类型的网络中的传播阈值是相同的.最后通过计算和比较3种在不同的免疫措施下有向网络的流行病阈值,得出了目标免疫明显优于随机免疫和熟人免疫,而随机免疫和熟人免疫的有效性则依赖于网络的入度分布的结论.     

新冠后疫情时代复学风险评估的不确定性量化分析

针对疫情后的复工复产复学问题,以返校复学中的疫情传播为例,进行了风险评估量化研究。以易感态个体从感染到隔离转化全过程的运动轨迹描述为线索,建立了一种适合于风险评估的流行病动力学模型。在模型参数量化的基础上,对复学风险指标的感染人数进行了量化。根据模型参数的取值特性,将感染人数作为离散型随机变量函数,通过动力学仿真计算,结合概率守恒原理给出了感染人数的概率分布,由此实现了复学风险的不确定性量化。算例仿真表明所提方法在复学风险评估中的可行性,可为复工复产复学决策提供理论依据。     

高致病性禽流感(HPAI)流行病学仿真研究

在总结HPAI传播和扩散的生物-技术-经济互作机理及实地调研信息的基础上,建立了中国中小鸡场HPAI流行病学动态仿真模型;研究了鸡群免疫与否对HPAI传播和扩散的影响、流行病学变化特征及病毒在群体中的保存和传播机理等。研究结论不仅对HPAI的流行病学调查、监测和防控具有积极指导意义,而且对其他疫病的防控也具有重要的借鉴作用。