基于异质平均场复杂网络模型的新型冠状病毒传染性分析

传染病的传播是典型的突发公共卫生事件,也是人类在21世纪面临的重大公共安全问题之一。传统传染病研究通常利用微分方程建立传染病仓室模型进行分析,而新型冠状病毒肺炎的传播能力更强,潜伏期同样具有传染性,现有模型对真实人群的接触尺度缺乏合理描述。探索了一种复杂网络的动力学模型,通过异质平均场中的SEIR传播模型,对疾病进展和消除进行决策评估,通过使用截止到2020年3月15日公开的新型冠状病毒肺炎(COVID-19)数据,分别对国内的武汉、上海和北京三个典型城市,以及目前疫情严重且容易取得公开数据的意大利、日本和韩国三国展开了详细分析和准确预测,精确地展现了疫情期间人群隔离方案产生的效果,以及医疗资源保障的重要性。

复杂网络疾病传播动力学研究进展

复杂网络有自身的动力学性质,这可以通过定义相应的拓扑统计量来刻画;另一方面,网络的拓扑结构对其上的动力学过程,尤其是疾病传播过程,具有重要影响.本文简要回顾了复杂网络理论发展的几个重要标志及一些经典的疾病传播动力学模型,重点介绍了退火网络、淬火网络、自适应网络和耦合网络上疾病传播的相关研究成果以及网络疾病建模思想在其它一些社会传播中的应用.最后,根据作者本人的工作和理解,提出了一些值得进一步思考和研究的问题.