基于新冠病毒特征及防控措施的传播动力学模型

本文针对现有传染病传播动力学模型的不足,结合新冠病毒(2019-nCoV)特征及防控措施,建立一种新的包含"易感、未隔离潜伏期、已隔离潜伏期、确诊感染、无症状感染、确诊后治愈、无症状感染后治愈、因病死亡"等8个仓室的传染病模型.在模型中考虑状态转移参数的饱和特性,以模拟大量隔离患者对隔离点运行造成的压力、大量确诊患者给医院运行带来的压力.在参数配置方面,考虑状态转移参数在疫情不同发展阶段的时变特性,建立参数辨识模型并利用马尔可夫链蒙特卡罗算法进行求解.此外,从传播规模、传播峰值和传播峰值时间三个维度建立疫情传播风险指标,全面评估疫情传播风险.武汉和国外(美国、西班牙)疫情的案例分析表明,本模型相较于其他经典模型,能够准确拟合新冠肺炎(COVID-19)的传播趋势,揭示疫情传播机理.     

基于系统动力学的新冠病毒传播过程预测

考虑新冠病毒的传播特点,基于系统动力学原理提出了 一种新的SE4IR2(Susceptible-Exposed-4-Infected-Removed-2)模型,利用美国2020年6-11月份疫情数据设置隔离率等参数,运用SE4IR2模型拟合分析并预测疫情下一阶段的发展趋势.实证部分使用美国2020年6-11月份的数据求...     

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.     

基于粒计算的突发性复合疫情风险评估模型构建

新冠(COVID-19)疫情的持续性扩散引发与其他传染病时空叠加的复合型风险,对我国突发性公共卫生事件的应急管理体系提出严峻考验.现有风险评估方法主要研究疫情风险因素独立作用产生的影响,不适用于现实中各风险因子叠加、耦合作用的复杂情形.本文首先建立粒计算情景层次模型,构建各粒层间的映射并藉此定义向上的泛化求解算法,提出“三层四段五情六粒”的风险评估-防控框架.其次采用2020年武汉市疫情发展数据与2020年广州市疫情演变的多风险因素数据,进行“市县-省-区域”三层复合风险求解的实证分析.以广州市疫情数据为例,将粒计算对比常用的层次分析法进行疫情风险评估.分析结果表明:1)长江中下游区域防控资源调度风险指数最高为55.85,珠江中下游区域防控资源调度风险指数最高为21.45,两地在防控资源调度风险指数上差值较大. 2)粒计算方法与层次分析法评估疫情经济损失风险上的结果基本一致,但在防控资源调度风险和新冠病毒传播风险上存在较大差距.由现实情况可验证粒计算模型的有效性.最后提出新冠病毒传播风险、疫情经济损失风险、防控资源调度风险三方面的防控措施,为更好实现疫情防控的应急管理提供建议参考.     

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。     

基于马氏决策过程的突发传染病防控决策模型

研究防控突发传染病在人群接触网络上传播的动态决策问题,在时间维度扩展传染病接触网络模型,真实描述疾病的时空传播规律.综合考虑免疫与隔离措施,基于马尔可夫决策过程构建突发传染病防控动态决策模型,动态生成防控方案,最优化决策周期内的整体决策效果.以典型情景为例建模并仿真求解,验证了模型的可行性和有效性;求解模型得到的动态决策方案可有效抑制疫情规模,为突发传染病防控提供决策支持.     

新冠疫情防控政策对快递业高质量发展影响的实证研究

快递业高质量发展是现代服务业高效运行的重要保障,也是经济社会发展的重要支撑.2019年末爆发的新冠肺炎疫情(COVID-19)给经济社会发展带来前所未有的冲击,也对快递业产生不少影响,但如何影响、影响多大,防控政策及不同区域的影响有何差异是需要回答的问题.基于全国31个省市月度快递业规模和申诉数据,采用固定效应模型分析了新冠疫情及防控措施、疫情防控阶段和疫情受灾程度对快递业发展速度和发展质量的影响方向和影响程度.研究表明:1)疫情不仅没有影响快递产业的增长,反而短期内促进了该产业的发展,也减少了延误、投递服务等申诉项目;2)严格的封锁措施对快递发展规模和发展质量产生不利影响;3)疫情对快递规模的积极影响主要表现在疫情爆发后的第一阶段(1月-2月)及受疫情影响严重的地区.研究结论对于快递业应对突发公共事件、提升应急治理能力具有重要的实践意义.     

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。     

基于“S”型变化遗忘率与个案网络结构的企业隐性知识传播

隐性知识是现代企业竞争优势的战略资产,具有更高的价值。本文基于小世界网络中SIR模型为基础研究隐性知识传播规律,采用更符合实际的"S"型曲线作为变化遗忘率函数,构建遗忘率随时间变化的隐性知识传播复杂网络模型,使得该模型更能准确预测企业内部隐性知识传播过程;还采用随机抽样方式对C企业的所有员工发放调查问卷4500份,最终回收问卷4320份,获取C企业知识传播网络参数,对其隐性知识传播过程进行案例仿真。研究结果显示:遗忘率及其函数参数的变化对隐性知识传播的最终规模有重要影响。越大的初始遗忘率使得企业隐性知识传播的最终规模也越小,遗忘速度越快,隐性知识传播范围也越小;相比常数遗忘率的模型,考虑变化遗忘率的隐性知识传播随时间变化的最终规模要大。     

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。     

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。     

重大突发疫情下考虑攀比公平的方舱医院容量配置优化

方舱医院在武汉应对新冠肺炎疫情的防控阻击战中发挥了重要作用，现有研究还鲜有从公平视角探讨方舱医院扩容的时间-空间优化分布问题。以武汉方舱医院床位扩容过程情景重建为研究对象，首先界定了考虑攀比心理的公平函数用于刻画疫区民众的公平感知缺失程度，继而建立重大突发疫情中考虑攀比公平的方舱医院容量配置优化模型，借助可接收的轻型感染者数量这一中间变量，有效刻画方舱医院容量配置与疫情扩散演化之间的交互耦合作用。测试结果表明：相较于未考虑公平性，考虑公平因素后的方舱医院建设时间-空间分布与武汉疫情期间的方舱医院实际扩容过程更加接近，且较实际所需的床位数更少；不仅如此，考虑公平因素后的累计感染人数更少，能够更早完成“应收尽收”目标且应急预算分配比例稳定。此外，研究还发现，方舱医院的设置起始时间非常重要，而应急预算的投入则存在较为明显的边际效用递减效应。     

基于跳跃、跳跃强度和机制转换的股票市场波动建模及其预测研究

将跳跃及其跳跃强度引入到异质自回归(heterogeneous autoregressive, HAR)模型中,并在此基础上进一步嵌入固定转移概率矩阵的马尔可夫状态转换机制模型,构建出系列新的波动预测模型.运用系列统计检验手段(如模型置信度检验、样本外R²检验、趋势检验)评估上述预测模型对中国股票市场波动的预测能力,样本外的实证结果表明:1)与基准模型相比,结合马尔可夫机制转换的模型具有更好的预测表现; 2)相比其他预测模型,包含跳跃、跳跃强度以及马尔可夫机制转换的模型(MS-HAR-TJI)具有更高的预测精度; 3)在新冠疫情爆发期以及高波动时期, MS-HAR-TJI模型对中国股票市场波动仍具有很强的预测能力.     

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。     

基于人工社会的疫情传播风险预测和防控措施评估

新型冠状病毒疫情在全国一盘棋的严格防控措施下已经得到了控制,但是如何对其进行常态化的治理值得深入研究。分别基于SEIR模型和人工社会情景建立了新型冠状病毒疫情传播模型和人员接触网络模型;在天河超级计算机上运用多Agent计算实验方法进行大样本计算实验,模拟人工城市中社区、学校和工作场所等典型区域疫情传播,预测和评估复工复学后疫情传播风险。实验结果表明疫情防控要做好打持久战的准备,将应急措施作用到疫情发生相变之前。     

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。     

重大流行病防控意识传播动力学模型与保持策略研究

长时间的疫情防控工作和病毒易变异的特性给公众重大流行病防控意识的持续度带来了挑战.为此,本文在考虑防疫中公众的主流疲劳心理与公众防疫行为的成本收益等影响因素的基础上,构建了公众通过社交媒体与线下交流构成的多重网络中重大流行病防控意识传播的No awareness-Have awareness-Awareness fatigue (NHF)模型.其次,得出区分重大流行病防控意识在公众中传播与否的阈值.最后,对模型进行数值模拟与实证数据分析,并提出利用多种信息渠道有效促进重大流行病防控意识传播与保持的策略建议.研究表明:应均衡且适度地使用各渠道开展防疫宣传教育以达到最佳效果,否则可能导致公众对重大流行病防控产生疲劳心理,进而对重大流行病防控意识在公众中的传播产生负向影响.病毒变异间接地促进了重大流行病防控意识的传播,但当病毒发生多次变异后促进作用几乎为零.重大流行病防控成本收益的感知回报比越高,防控意识的传播扩散性越强.本研究对于未来重大流行病的防控工作具有一定的参考价值.     

复杂适应系统理论对控制SARS疫情的模拟分析

以复杂适应性系统理论为基本的指导思想，考察了传染病非典型性肺炎(SARS)的爆发流行以及受到控制趋于稳定的过程。利用基于主体的计算机模拟方法，在SWARM平台上构建了反映这一过程的模型，并在此模型上根据所掌握的数据资料，比较成功地拟合了近似北京疫情发展的情况。以此为基础，分析了对SARS传播蔓延影响比较大的几种因素，如从发病到就医的时间间隔，是否采取隔离措施等，考察这些因素对控制SARS，达到稳定的具体影响，并给出一些控制这类问题的建议。     

基于BERT-LDA模型的新冠肺炎疫情网络舆情演化仿真

构建大规模网络舆情演化仿真模型,对新冠疫情武汉重灾区与全国其他地区采取差异化的应急管理和舆情疏导具有指导价值.为实现主题细粒度的舆情情感演化仿真,将LDA(LatentDirichlet Allocation)主题模型与BERT(Bidirectional Encoder Representations from Tr...