一种基于离散数据的SIS模型可用性评估方法及系统技术方案

本发明专利技术公开了一种基于离散数据的SIS模型可用性评估方法及系统，包括以下步骤：以固定时间间隔采集某传播数据集，获取数据集中个体的状态数据，基于个体状态数据得到个体的关联性状态数据；基于个体的关联性状态数据构建关联性时间序列；基于构建的时间序列，计算固定时间间隔内个体感染概率和个体康复概率；引入判据公式，基于个体感染概率和个体康复概率判断该数据集是否能够用SIS模型进行描述，当判据满足，则基于SIS模型评估数据集中数据的传播特性。本方法在时间间隔较大时仍然能够得到准确计算结果，通过计算结果可以直观展示参数随时间的演化，通过提前判断SIS模型的可用性，避免出现误判的结果。避免出现误判的结果。避免出现误判的结果。

【技术实现步骤摘要】
一种基于离散数据的SIS模型可用性评估方法及系统


[0001]本专利技术属于网络拓扑动力学
，涉及一种基于离散数据的SIS模型可用性评估方法及系统。

技术介绍

[0002]复杂网络传播动力学模型有着很广阔的应用面，比如：传染性疾病通过人与人之间的接触不断的传播，木马病毒在计算机网络上的扩散，信息舆论在社交网络上的传递等等。研究中，SIS(Susceptible
‑
Infected
‑
Susceptible)仓室模型是一个常用的传播动力学模型。如果个体处于S状态，则表示其处于健康状态。而I状态表示感染状态。人们通常采用连续时间SIS模型来研究动力学传播的过程，而现实数据是基于离散时间的。
[0003]目前，研究人员通常采用线性映射(即，转变速率＝转变概率
÷
时间间隔)来连接连续时间SIS模型和基于离散时间的数据。但在使用的过程中还是存在一些问题，首先现有的线性映射方法需要时间间隔趋于0才能成立，当时间间隔或状态转移概率太大时，描述结果的精确度就会下降；其次是缺少判断连续时间SIS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于离散数据的SIS模型可用性评估方法，其特征在于，包括以下步骤：S1：以固定时间间隔采集某传播数据集，获取数据集中个体的状态数据，基于个体状态数据得到个体的关联性状态数据，基于个体的关联性状态数据构建关联性时间序列；S2：基于构建的关联性时间序列，计算固定时间间隔内个体感染概率和个体康复概率；S3：引入判据公式，基于个体感染概率和个体康复概率判断该数据集是否能够用SIS模型进行描述，当判据满足，则通过SIS模型评估数据集中数据的传播特性，当判据不满足，则返回S1。2.根据权利要求1所述的一种基于离散数据的SIS模型可用性评估方法，其特征在于，所述步骤S1中，获取的个体状态数据包括易感状态S和感染状态I；所述步骤S1中的个体关联性状态数据包括当前时刻和上一时刻均为易感的状态SS、当前时刻为感染和上一时刻为易感的状态SI、当前时刻为易感和上一时刻为感染的状态IS以及当前时刻和上一时刻均为感染的状态II；所述步骤S1中的关联性时间序列包括SS(t)、SI(t)、IS(t)和II(t)；其中，SS(t)表示时刻t和时刻t
‑
Δt都为易感状态的个体数量；SI(t)表示时刻t为感染状态且时刻t
‑
Δt为易感状态的个体数量；IS(t)表示时刻t为易感状态且时刻t
‑
Δt为感染状态的个体数量；II(t)表示时刻t和时刻t
‑
Δt均为感染状态的个体数量。3.根据权利要求2所述的一种基于离散数据的SIS模型可用性评估方法，其特征在于，所述步骤S2中固定时间间隔内个体感染概率通过式(1)计算：所述固定时间间隔内个体康复概率通过式(2)计算：4.根据权利要求1所述的一种基于离散数据的SIS模型可用性评估方法，其特征在于，所述判据公式为：A(t)+B(t)<1
ꢀꢀꢀꢀ
(3)其中，A(t)表示个体感染概率，B(t)表示个体康复概率。5.根据权利要求4所述的一种基于离散数据的SIS模型可用性评估方法，其特征在于，所述步骤S3中，当判据满足，则通过SIS模型评估数据集中数据传播特性包括以下步骤：计算SIS...

【专利技术属性】
技术研发人员：蔡超然，张亮，雷会姣，
申请(专利权)人：西北大学，
类型：发明
国别省市：