The invention discloses a calculation method of information feedback double SIR model to establish the information propagation threshold based on double feedback based SIR model, and then through two kinds of feedback model in a more realistic simulation of diseases and the dissemination of information and communication between the scene, according to the theory of calculating hole transmission threshold in the model. The spread and influence the accuracy threshold and different parameters on the spread of the disease is verified by simulation, it can help people in real life, the spread of the disease to be vigilant and take more effective preventive measures, has a strong versatility.
【技术实现步骤摘要】
一种基于信息双反馈的SIR模型传播阈值计算方法
本专利技术属于光通信
,更为具体地讲,涉及一种基于信息双反馈的SIR模型传播阈值计算方法。
技术介绍
真实世界的网络往往节点数量巨大、节点行为复杂、系统变化多样被称为复杂网络。复杂网络上的传播问题作为复杂网络方向的经典分支,一直以来都受到广泛的重视。其中流行病由于传染力强、破坏力大,引起学者极大的重视。最早关于传染病的研究可以追溯到18世纪60年代,DanielBernoulli将常微分方程用到传染病建模当中。Kermack与McKendrick在20世纪30年代提出的经典SIR传播模型,该模型为传染病动力学的研究做出了跨世纪的贡献。研究流行病的传播,最重要的一个参数是传播阈值。传播阈值决定了流行病的爆发临界点和传播范围,对于控制流行病的传播具有主要意义。R.Pastor-Satorras等发现疾病均匀网络中的传播阈值与平均度有关、在非均匀网络中几乎为0。在面对流行病的时候,人们也会采取一些力所能及的措施来降低被传染的概率,例如:避免去人多的公共场合、多喝水、勤锻炼等。Funk等研究了警觉意识的传播对疾病传播阈值和疾病传播范围的影响;G.Clara等发现,假设疾病的传播率是邻居中感染节点密度的函数来研究这样的行为响应下的传播阈值;以及关于假设节点根据邻居感染节点的数量改变疾病传播率;加入个体警觉函数,人们在警觉期内对疾病的警觉性是动态变化的,导致所有易感染节点的疾病传播率随时间是动态变化等的研究,说明网络中不仅感染者可以传播“疾病存在”信息使得易感染者警惕性增强,康复者因为经历过感染期,可以传播“如何有 ...
【技术保护点】
一种基于信息双反馈的SIR模型传播阈值计算方法,其特征在于,包括以下步骤:(1)、建立信息双反馈的SIR模型信息双反馈的SIR模型把网络中节点分为三种类:易感染节点S,感染节点I,免疫节点R;设易感染节点S与感染节点I有边相连时,易感染节点S转化为感染节点I的概率为β,感染节点I转化为免疫节点R的概率为μ,那么有效感染率λ=β/μ;对任意一个易感染节点i,当i的邻居中出现第一个感染节点时,i的有效传播率变为λ(1‑a),a为“疾病存在”信息带来的警惕因子;当易感染节点i的邻居中出现第一个免疫节点时,i的有效传播率变为λ(1‑b),b为“如何有效预防疾病”信息带来的帮助因子;那么,当易感染节点i的邻居中有m个感染节点和n个免疫节点时,有效传播率为λ(1‑a)
【技术特征摘要】
1.一种基于信息双反馈的SIR模型传播阈值计算方法,其特征在于,包括以下步骤:(1)、建立信息双反馈的SIR模型信息双反馈的SIR模型把网络中节点分为三种类:易感染节点S,感染节点I,免疫节点R;设易感染节点S与感染节点I有边相连时,易感染节点S转化为感染节点I的概率为β,感染节点I转化为免疫节点R的概率为μ,那么有效感染率λ=β/μ;对任意一个易感染节点i,当i的邻居中出现第一个感染节点时,i的有效传播率变为λ(1-a),a为“疾病存在”信息带来的警惕因子;当易感染节点i的邻居中出现第一个免疫节点时,i的有效传播率变为λ(1-b),b为“如何有效预防疾病”信息带来的帮助因子;那么,当易感染节点i的邻居中有m个感染节点和n个免疫节点时,有效传播率为λ(1-a)m(1-b)n,最终被传染的概率为1-[1-λ(1-a)m(1-b)n]m;(2)、根据空穴理论求传播阈值(2.1)、设易感染节点i的邻居节点j是被j的其它邻居感染节点所传染,而不是被感染节点i所传染,则将邻居节点j标记为外部感染邻居EIN;设易感染节点i的邻居是EIN的概率为u,是免疫节点节点的概率为w,u+w≤1;如果易感染节点i有k个邻居节点,那么,k个邻居节点中有m个邻居是EIN,n个邻居是免疫节点(即有m个感染节点和n个免疫节点)的概率为:(2.2)、设网络中感染节点是时序出现的,当邻居中出现第一个感染节点、没有出现免疫节点时,易感染节点i没有被传染的概率为1-T1,0,T1,0=λ(1-a),表示当μ=1时,出现第一个感染节点没有被感染的概率;当邻居中出现第一个感染节点、第一个免疫节点时,易感染节点i没有被感染的概率为1-T1,1,T1,1=λ(1-a)(1-b),表示出现第一个免疫节点和第一个感染节点时被感染的概率。以此类推,当邻居中出现第m个感染节点和第n个免疫节点时,易感染节点i没有被感染的概率为1-Tm,n,Tm,n=λ(1-a)m(1-b)n;当邻居中有m个感染节点和个免疫节点时,易感染节点i被感染的概率为:(2.3)、求取的近似表达式:(2.4)、对于任意易感染节点i,i的邻居中有m个感染节点和n个免疫节点的概率为:
【专利技术属性】
技术研发人员:徐杰,高成毅,唐淳,卢思变,余兴,李林科,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。