时序网络上基于检测和接触追踪的流行病干预方法技术

本发明专利技术公开了一种时序网络上基于检测和接触追踪的流行病干预方法，该方法包括：首先，根据平均场理论构建基于检测和接触追踪的易感

【技术实现步骤摘要】
时序网络上基于检测和接触追踪的流行病干预方法


[0001]本专利技术涉及控制流行病传播
，尤其涉及一种时序网络上基于检测和接触追踪的流行病干预方法。

技术介绍

[0002]在控制流行病传播领域中，通常通过数学建模和理论分析理解流行病传播的动力学机制。在这方面，经典的传播动力学模型是易感
‑
感染
‑
恢复(SIR)模型和易感
‑
感染
‑
易感(SIS)模型及其变体，它们在应对新型流行病方面发挥着关键作用。除此之外，检测和接触追踪技术是控制流行病传播的关键，可为控制流行病传播提供一种经济有效的解决方案。
[0003]现有技术和建模方法中，一类主要在静态时间累积网络中进行流行病干预，而不能捕捉时序网络演化的动态信息；另一类主要通过真实数据分析对流行病传播进行干预，而缺乏数学建模和理论分析以验证检测和追踪技术可以有效地控制流行病传播。因此，在时序网络中构建基于检测和接触追踪的流行病传播模型，并从理论上分析不同因素的作用仍然是一个悬而未决的问题。

技术实现思路

[0004]为了克服上述现有技术的不足，本专利技术提供一种时序网络上基于检测和接触追踪的流行病干预方法。从理论上分析控制流行病传播的检测和接触追踪等干预措施，为预防和控制Covid
‑
19或未来爆发的其他新型流行病在人群中传播提供指导。
[0005]本方法首先利用平均场理论构建基于检测和接触追踪的易感
‑
潜伏
‑
感染
‑
恢复
‑
死亡
‑
住院(SEIRDH)模型，以分析检测和接触追踪对时序网络中流行病传播过程的影响；其次，利用雅克比矩阵推导出时序网络中不同干预措施下的流行病理论临界阈值；随后开始网络演化和流行病传播过程；最后，统计稳态时网络中恢复个体和死亡个体的比例，以完成流行病传播过程。
[0006]为达到上述目的，本专利技术所采用的技术方案如下：
[0007]一种时序网络上基于检测和接触追踪的流行病干预方法，应用于时序网络和控制流行病传播中，操作步骤如下：
[0008]步骤S1：根据平均场理论构建基于检测和接触追踪的易感
‑
潜伏
‑
感染
‑
恢复
‑
死亡
‑
住院(SEIRDH)模型；
[0009]步骤S2：建立时序网络的演化规则；
[0010]步骤S3：根据时序网络的演化规则，模拟流行病传播的动态演化过程；
[0011]步骤S4：统计稳态时网络中恢复节点和死亡节点比例；
[0012]步骤S5：检测、接触追踪以及隔离措施下，求解流行病传播的临界阈值λ
c
。
[0013]进一步地，所述步骤S1具体步骤为：
[0014]步骤S1.1：首先将易感
‑
潜伏
‑
感染
‑
恢复
‑
死亡(SEIRD)模型作为基准模型来模拟流行病传播过程；
[0015]步骤S1.2：构建基于检测和追踪的流行病传播规则，具体地，个体状态包括易感态(S)、潜伏态(E)、感染态(I)、恢复态(R)、死亡态(D)、隔离的易感态(Q
S
)、隔离的潜伏态(Q
E
)、隔离的感染态(Q
I
)以及住院态(H)；
[0016]1)当I态个体以检测率α被检测变为Q
I
态时，它的邻居E态和S态个体以追踪率δ被追踪分别变为Q
S
态和Q
E
态；
[0017]2)经过隔离期Q
S
态和Q
E
态个体结束隔离；
[0018]3)当S态个体以概率1
‑
αδ没有被追踪时，它通过与I态和E态个体接触以感染率λ变成E态个体；
[0019]4)当E态个体以概率1
‑
αδ没有被追踪时，经过潜伏期E态个体转换为I态个体；
[0020]5)当I态个体以概率1
‑
α没有被检测时，它分别以恢复率γ或死亡率d变成R态或D态个体；
[0021]6)经过潜伏期Q
E
态个体变成Q
I
态个体；
[0022]7)Q
I
态个体以住院率ω变成H态个体；
[0023]8)H态个体分别以治愈率κ或死亡率χ变成R态或D态个体；
[0024]步骤S1.3：根据步骤S1.2传播规则和平均场理论推导基于检测和追踪的SEIRDH模型的动力学方程。
[0025]进一步地，所述步骤S2具体步骤为：
[0026]步骤S2.1：为网络中的每个节点i分配活跃度a
i
,i＝1,2,...,N，N为网络规模，活跃度服从指数为r的幂律分布F(a)＝a
‑
r
；
[0027]步骤S2.2：在每时刻Δt，瞬时网络中的节点i以活跃度a
i
被激活变为活跃节点并随机生成m条边；非活跃节点不能主动发边，但能够接收活跃节点的连边；
[0028]步骤S2.3：在下一个时间t+Δt，节点的状态被更新并且Δt时刻的连边被删除，并按照步骤S2.2生成下一时刻网络；
[0029]步骤S2.4：重复上述步骤，直到达到最大时间步骤T；
[0030]在以上整个时序网络构建中，不允许自环和重复连边。
[0031]进一步地，所述步骤S3具体步骤为：
[0032]步骤S3.1：将SEIRD传播模型为基准模型，以基于检测和追踪的SEIRDH模型来模拟流行病传播过程；
[0033]步骤S3.2：随机初始化一定比例的节点作为I态节点；
[0034]步骤S3.3：每时刻Δt，时序网络按照步骤S2.1
‑
S2.4的规则进行演化；
[0035]步骤S3.4：每时刻Δt，SEIRD传播模型中的节点i根据周围邻居的状态更新自身的状态，S态个体以感染率λ被I态个体感染为E态个体，E态个体以转换率β变为I态个体，I态个体分别以恢复率γ和死亡率d变为R态和D态；
[0036]步骤S3.5：每时刻Δt，基于检测和追踪的SEIRDH传播模型中的节点i根据步骤S1.2更新自身状态；
[0037]步骤S3.6：传播过程持续Δt时间。
[0038]进一步地，所述步骤S4具体步骤如下：
[0039]步骤S4.1：重复步骤S2
‑
S3，直至达到稳态时间T
steady
结束；
[0040]步骤S4.2：统计稳态时免疫节点R
∞
和死亡节点D
∞
的比例，流行病传播过程结束。
[0041]进一步地，所述步骤S5具体步骤如下：
[0042]步骤S5.1：Δ本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种时序网络上基于检测和接触追踪的流行病干预方法，其特征在于：应用于时序网络和控制流行病传播中，操作步骤如下：步骤S1：根据平均场理论构建基于检测和接触追踪的易感
‑
潜伏
‑
感染
‑
恢复
‑
死亡
‑
住院(SEIRDH)模型；步骤S2：建立时序网络的演化规则；步骤S3：根据时序网络的演化规则，模拟流行病传播的动态演化过程；步骤S4：统计稳态时网络中恢复节点和死亡节点比例；步骤S5：检测、接触追踪以及隔离措施下，求解流行病传播的临界阈值λ
c
。2.根据权利要求1所述的时序网络上基于检测和接触追踪的流行病干预方法，其特征在于，所述步骤S1具体步骤为：步骤S1.1：首先将易感
‑
潜伏
‑
感染
‑
恢复
‑
死亡(SEIRD)模型作为基准模型来模拟流行病传播过程；步骤S1.2：构建基于检测和追踪的流行病传播规则，具体地，个体状态包括易感态S、潜伏态E、感染态I、恢复态R、死亡态D、住院态H、隔离的易感态Q
S
、隔离的潜伏态Q
E
、以及隔离的感染态Q
I
；1)当I态个体以检测率α被检测变为Q
I
态时，它的邻居E态和S态个体以追踪率δ被追踪分别变为Q
S
态和Q
E
态；2)经过隔离期Q
S
态和Q
E
态个体结束隔离；3)当S态个体以概率1
‑
αδ没有被追踪时，它通过与I态和E态个体接触以感染率λ变成E态个体；4)当E态个体以概率1
‑
αδ没有被追踪时，经过潜伏期E态个体转换为I态个体；5)当I态个体以概率1
‑
α没有被检测时，它分别以恢复率γ或死亡率d变成R态或D态个体；6)经过潜伏期Q
E
态个体变成Q
I
态个体；7)Q
I
态个体以住院率ω变成H态个体；8)H态个体分别以治愈率κ或死亡率χ变成R态或D态个体；步骤S1.3：根据步骤S1.2传播规则和平均场理论推导基于检测和追踪的SEIRDH模型的动力学方程。3.根据权利要求1所述的时序网络上基于检测和接触追踪的流行病干预方法，其特征在于，所述步骤S2具体步骤为：步骤S2.1：为网络中的每个节点i分配活跃度a
i
，i＝1,2,...,N，N为网络规模，活跃度服从指数为r的幂律分布F(a)＝a
‑
r
；步骤S2.2：在每时刻Δt，瞬时网络中的节点i以活跃度a
i
被激活变为活跃节点并随机生成m条边；非活跃节点不能主动发边，但能够接收活跃节点的连边；步骤S2.3：在下一个时间t+Δt，节点的状态被更新并且Δt时刻的连边被删除，并按照步骤S2.2生成下一时刻网络；
步骤S2.4：重复上述步骤，直到达到最大时间步骤T；在以上整个时序网络构建中，不允许自环和重复连边。4.根据权利要求1所述的时序网络上基于检测和接触追踪的流行病干预方法，其特征在于，所述步骤S3具体步骤为：步骤S3.1：将SEIRD传播模型为基准模型，以基于检测和追踪的SEIRDH模型来模拟流行病传播过程；步骤S3.2：随机初始化一定比例的节点作为I态节点；步骤S3.3：每时刻Δt，时序网络按照步骤S2.1
‑
S2.4的规则进行演化；步骤S3.4：每时刻Δt，SEIRD传播模型中的节点i根据周围邻居的状态更新自身的状态，S态个体以感染率λ被I态个体感染为E态个体，E态个体以转换率β变为I态个体，I态个体分别以恢复率γ...

【专利技术属性】
技术研发人员：王冰，洪潇，韩越兴，李卫民，
申请(专利权)人：上海大学，
类型：发明
国别省市：