基于COVID-19传播特性的传染病模型的构建与研究

为了更好地揭示新冠肺炎(COVID-19)的传播机理,通过分析新冠病毒(2019-nCoV)的传播特性,考虑隐性潜伏者的自愈以及潜伏者的提前隔离,引入“入院隔离状态”,“隐性治愈状态”,考虑防控强度的变化,引入“发病状态”,提出了SEAIHR动力学模型。利用真实疫情数据,考虑不同阶段参数的变化,进行了多模型对比试验。实验结果表明,SEAIHR模型拟合和预测精度有明显提升,较经典模型在疫情前中期降低了34.4%～72.8%拟合误差,为疫情防控提供了参考与指导。     

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。     

基于社交网络信息的新冠疫情抽检策略研究

为解决全员定期核酸检测成本高,导致间隔周期长且效率低的问题,给出了基于社交网络信息的抽检策略,将在线社交网络信息与新冠肺炎传播规律融合,建立了带抽检策略的新冠肺炎传播模型。在此基础上,研究了随机抽检策略、熟人监测策略、度大节点目标抽检监测策略三种策略对新冠肺炎传播的影响。研究发现在校园等人群密集接触的环境下,熟人和度大节点目标抽检策略在峰值幅度、峰值时间、早期预警等指标下都好于随机监测策略,减少了新冠病毒传播天数以及感染人数,能更早、更快地控制住疫情,预警效果从高到低依次是度大节点目标监测策略、熟人监测策略、随机监测策略。     

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。     

基于演化博弈的重大突发公共卫生事件情景预测模型与防控措施

运用演化博弈理论建立了重大突发公共卫生事件的疫情传播方程, 将政府部门和社会公众的策略互动和行为演化分析融入到传染病自然传播的SI模型. 根据卫生部公布甲型H1N1流感疫情每日新增确诊病例数, 在三种演化情景下(即疫情大规模扩散、疫情迅速得到控制、当前的政府积极防控策略), 对疫情传播初期阶段进行了Logistic方程拟合和疫情传播峰值点的预测分析. 最后, 提出了重大疫情初期阶段"谨慎性"防控原则、随着疫情进展及时调整防控策略的"灵活性"原则、选择调整时机的主要考虑因素. 根据疫情传播方程, 讨论了政府调整甲型H1N1疫情控策略对疫情传播的影响.     

Numerical Simulation of the COVID-19 Herd Immunity Based on Complex Network Modeling北大核心CSCD

鉴于构建流行病动力学模型、探索流行病传播规律对疫情防控具有十分重要的理论意义和实际应用价值,在已有的均匀混合模型基础上,针对个体接触关系异质化越发明显,且每个个体都处在不同的接触关系中,建立了兼顾个体状态与接触追踪的动态小世界网络模型。模拟了新冠病毒在社会中的传播过程。通过对比仿真结果,说明了所建模型的合理性。在此基础上,仿真计算了网络拓扑结构与接种免疫人数占比共同作用下对新冠病毒传播的影响,分析得到群体免疫临界值。说明所建传播模型合理,接种疫苗实现群体免疫可行。     

传染病时空传播的多智能体仿真研究

提出基于多智能体系统的传染病时空传播仿真模型,并在Swarm平台上模拟流感的时空传播过程.模型主要由智能体属性规则的定义、移动规则、邻域和状态转换规则等几部分组成,其中如何确定智能体间的状态转换规则是模型的核心.模型考虑了易感者智能体对感染的"记忆"能力以及感染剂量随时间的衰减效应,并引入个体间的空间距离指数参数,从时空两方面研究传染病的传播特征.     

新冠肺炎疫情传播建模分析与预测

对武汉封城前后的新冠肺炎疫情传播进行建模分析。在对疫情数据预处理的基础上,在控制阶段运用经典的SIR模型和差分递推方法分析和预测疫情,理论值和实测值吻合较好。在自由传播阶段运用Logistic模型,比较分析提前五天或延后五天的疫情数据与实测数据,说明及时采取防疫措施的重要性。模型对相关地区的疾病传播分析具有普遍适用性。     

基于异质元胞自动机的SARS传播

结合SARS传播的特点,建立了一个SARS传播元胞自动机模型,把人群分为五类:易感者、发病者、疑似患者、确诊患者和因病死亡者。由于考虑了不同个体在传染性、对疾病抵抗能力等方面的差异,因而这一模型是异质的。利用该模型模拟了隔离延迟时间、隔离力度和超级传播者对疾病传播的影响,有助于从微观个体相互作用的角度解释、预测疫情的发展趋势,以及政府对疫情干预措施的效果。     

建筑楼空间下突发传染病建模仿真研究

为研究建筑楼空间下的突发传染病传播过程,提出了建筑楼空间下突发传染病的多阶段超网络传播模型,从多阶段传播、多属性层子网构建、改进的仓室模型嵌套等方面对该模型进行设定,并对不同情境下传染病的传播动力学进行仿真分析.结果表明,建筑楼空间下突发传染病传播过程受建筑楼空间人群聚集程度、年龄结构及外界疫情严重程度的影响,感染者传染率和临床感染比率对传染病的传播峰值有较大影响,且早期舆情干预的及时性是提高政策干预有效性的重要决定因素.     

意识扩散和SEIR病毒的双层网络传播模型

针对类似于新型冠状病毒(coronavirus disease 2019, COVID-19)具有明显潜伏期特性的病毒,为了解其传播特性,做出相应预测和措施,提出了一种考虑时变因素的双层网络传播模型。上层网络采用考虑时变遗忘概率的UAU(unaware-aware-unaware)信息传播模型表示关于病毒的意识信息扩散过程;下层网络采用具有潜伏态的SEIR(susceptible-exposed-infected-recovered)类病毒传播模型描述受意识信息影响的病毒传播过程。利用MMCA(microscopic Markov chain approach)推导出传染病传播阈值,通过分析遗忘因素、感染衰减因子等关键因素,仿真结果表明了所提考虑时变因素的双层网络传播模型的有效性。     

机器鱼近壁面波动推进的体表压强特性研究

为适应水下黑暗非结构作业环境,研究了仿生机器鱼近壁面波动推进的体表压强分布特性。理论分析了人工侧线法估计壁面效应和流场参数的可行性,建立了仿生机器鱼近壁面柔性波动推进的体表压强计算流体动力学耦合求解模型,提出了一种体表压强数据提取与处理方法,分析了靠壁距离、来流速度以及斯特劳哈尔数对仿生机器鱼体表压强分布的影响关系。结果表明：仿生机器鱼体表压强分布能够表征壁面效应和流场速度的变化,为水下非结构环境下的流场识别与参数预测提供了依据。     

基于多维连续时间马尔科夫链的院感传播及管控策略

医院感染(院感)是医疗服务质量的重要指标.现有文献主要应用仓室模型研究院感传播,未考虑出院病人的感染状态,往往高估系统感染风险.针对该问题,提出多维连续时间马尔科夫链的院感传播及管控策略,精准刻画病人及医护人员的感染状态及其演变过程.根据院感传播特点,将感染媒介(医护人员)集成到SIS传播机制,构建MCTMC-SIS模...     

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。     

基于参数化分位回归模型的非寿险准备金评估

准备金及其风险边际对保险公司的偿付能力具有决定性影响.均值回归模型在非寿险准备金评估中的应用较为普遍,但需要通过Bootstrap等方法计算准备金的风险边际.分位回归模型可以一次性求得准备金及其风险边际的预测值,所以在非寿险准备金评估中具有独特的应用价值.基于GB2(Generalized Beta type 2)分布建立了一种参数化分位回归模型,该模型首先对GB2分布中的位置参数和尺度参数同时引入流量三角形数据中的事故年和进展年作为解释变量,增加了模型的灵活性;其次,根据模型参数的极大似然估计结果,借助分位数函数的表达式,计算了不同分位数水平下的准备金预测值;最后,利用极大似然估计的渐近性质,通过Delta方法给出了准备金预测值的误差.基于一组增量赔款数据的实证研究结果表明,GB2参数化分位回归模型在非寿险准备金评估及其风险边际的预测中具有良好的应用价值.     

COVID-19病毒防控多智能体仿真模型

新型冠状病毒(COVID-19)的防控是当前维护世界公共卫生安全的重点工作,据此提出运用多智能体建模仿真技术构建COVID-19病毒防控模型,以模拟在不同防控措施下的疫情动态发展趋势。以太原市为例,依据已发现的COVID-19病毒传播规律,制定各类居民智能体之间的交互传染与状态转换规则,实现了COVID-19病毒传播的防控决策仿真模型,在政府和医院的不同政策措施下进行了多情景仿真实验。实验结果表明多智能体建模方法可有效分析新型冠状病毒传播趋势,为城市疫情防控提供决策支持。     

基于Hull-White扩展模型的欧氏期权动态定价方法

欧式期权的动态定价过程可归结为：实际价格观测、模型选择、状态变量估计以及下一时刻期权定价的动态循环。为使这一定价过程兼具序贯性、准确性及易行性,设计了一种基于Hull-White扩展模型的动态定价方法：以平稳仿射随机波动率模型作为基础模型,在仅存有限个期权合约时,根据实际期权价格曲面,使用粒子滤波方法估计瞬时方差,并在固定显式参数下,更新Hull-White扩展模型;进而利用前向特征过程,实现下一时刻的期权定价。实证表明：相比于固定参数及参数学习下基于对比模型的一般风险中性定价,使用基于Hull-White扩展模型的动态定价方法时,期权定价准确性和稳定性均显著提升。     

基于神经状态空间的非线性系统建模研究

提出了一种基于神经状态空间的非线性系统建模方法.神经状态空间(NNSP)具有系统的拟线性特性,许多线性系统控制器设计方法均可以扩展到NNSP模型.本文采用了增广卡尔曼滤波方法进行神经状态空间的参数辨识,高阶校验模型用于验证非线性系统神经状态空间的模型的有效性.将本法应用于典型的化学过程的建模,结果表明本方法正确有效.     

基于R-VIKOR方法的复杂系统装备仿真可信参数优选

复杂仿真系统的运行往往不是孤立的,它总是受到多重外部因素和自身性能的影响,在进行仿真可信度计算时,不可避免地涉及到参数的选择,在与参考模型进行比较时,需要同时考虑不同的性能指标,这就转化为多属性决策问题的研究范畴。提出一种基于R-VIKOR(resist rank reversal of vise kriterijumska optimizacija | kompromisno resenje)方法的复杂系统仿真可信参数优选方法,通过模型迁移理论获得新模型的多组气动参数,与基础模型的最优参数进行相似性计算,为具有相似气动外形的新复杂系统模型提供更可靠的气动参数。