时序网络上基于动态社交距离干预的流行病传播控制方法技术

本发明专利技术公开了一种时序网络上基于动态社交距离干预的流行病传播控制方法，首先，根据均场近似理论，构建基于动态社交距离干预的易感S

【技术实现步骤摘要】
时序网络上基于动态社交距离干预的流行病传播控制方法


[0001]本专利技术涉及流行病传播控制
，尤其涉及一种时序网络上基于动态社交距离干预的流行病传播方法。

技术介绍

[0002]在流行病传播控制
中，通常利用数据驱动和数学建模等方法来研究流行病传播的动力学行为。经典的传播动力学模型包括易感S
‑
感染I
‑
易感S和易感S
‑
感染I
‑
恢复R流行病传播模型，在分析流行病传播方面发挥着关键作用。然而，现有技术和建模方法大都致力于拟合已有的数据，或仅考虑单一的干预策略，而忽略了社交距离随防疫政策变化的动态性，导致对动态社交距离和检测追踪联合干预策略的有效性的理解不足，尤其是当个体之间动态交互的情况下。基于以上分析，通过数学建模量化动态社交距离和检测追踪等联合干预，在减缓流行病传播和控制流行病复发方面的有效性具有重要意义，可为制定合理高效应对COVID
‑
19或未来突发流行病的控制策略提供可供参考的依据和支撑。

技术实现思路

[0003]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动态社交距离干预的流行病传播控制方法。从理论上分析控制流行病传播的动态社交距离和检测追踪干预策略的联合作用，为有效抑制COVID
‑
19等突发流行病提供理论指导。
[0004]为达到上述目的，本专利技术采用如下专利技术构思：
[0005]本专利技术方法首先根据均场近似理论，构建基于动态社交距离干预的易感S
‑
潜伏E
‑
感染I
‑
隔离Q
‑
恢复R流行病传播模型，以理论分析动态社交距离和检测追踪联合干预策略在控制流行病传播方面的有效性；然后，在时序网络框架下，利用雅克比矩阵理论推导易感S
‑
潜伏E
‑
感染I
‑
隔离Q
‑
恢复R流行病传播模型在恒定社交距离下的临界阈值λ
c
；最后，实施不同社交距离的开始时间、干预周期以及不同的接触追踪策略下的流行病传播过程。
[0006]根据上述专利技术构思，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动态社交距离干预的流行病传播控制方法，应用于流行病传播控制和时序网络中，其操作步骤如下：
[0008]步骤S1：根据均场近似理论，构建基于动态社交距离干预的易感S
‑
潜伏E
‑
感染I
‑
隔离Q
‑
恢复R流行病传播模型；
[0009]步骤S2：理论推导易感S
‑
潜伏E
‑
感染I
‑
隔离Q
‑
恢复R流行病传播模型在恒定社交距离下的临界阈值λ
c
；
[0010]步骤S3：实施不同社交距离的开始时间、干预周期以及接触追踪策略下流行病传播的动力学过程。
[0011]进一步地，所述步骤S1具体步骤为：
[0012]步骤S1.1：考虑到动态社交距离和检测追踪联合干预措施对节点流行病状态的改变，构建基于动态社交距离和检测追踪联合干预下的流行病传播规则，包括如下步骤：
[0013]将节点分为以下七种状态：易感态S、潜伏态E、感染态I、隔离的易感态Q
S
、隔离的潜伏态Q
E
、隔离的感染态Q
I
和恢复态R；在不失一般性的情况下，所有节点以概率δ安装追踪App；δ2表示安装追踪App的个体之间的接触比例；为简单起见，假设所有安装追踪App的个体都可被跟踪，即接触追踪率为δ2；
[0014]所述基于动态社交距离和检测追踪联合干预下的流行病传播规则包括：
[0015]1)感染态I节点以检测率α被检测变为隔离的感染态Q
I
；否则，以恢复率μ转化为恢复态R；
[0016]2)当安装了追踪App的感染态I节点被检测时，其安装了追踪App的接触者易感态S和潜伏态E节点以追踪率δ2被追踪隔离，并转换为隔离的易感态Q
S
和隔离的潜伏态Q
E
，而未安装追踪App的接触者不会被追踪；
[0017]3)未被追踪的易感态S节点通过与潜伏态E和感染态I节点接触，以概率λC(t)被感染，并转化为潜伏态E；
[0018]4)经过潜伏期未被追踪的潜伏态E节点转换为感染态I；被隔离的潜伏态Q
E
节点转化为被隔离的感染态Q
I
；
[0019]5)经过隔离期被隔离的易感态Q
S
和被隔离的潜伏态Q
E
节点分别变为易感态S和潜伏态E；
[0020]6)被隔离的感染态Q
I
节点以治愈率κ转化为恢复态R；
[0021]步骤S1.2：考虑到公众保持社交距离的意愿或能力可能会随着防疫政策的演变而变化，定义C(t)来调节社交距离的强度：
[0022][0023]其中，C0∈(0,1]表示恒定社交距离；C0＝1表示流行病首次发生时人们未采取任何预防性措施的情形；C0∈(0,1)表示流行病复发时人们已养成采取一定程度的预防性措施习惯的情形；C
max
∈(0,C0)表示最大社交距离强度，t
s
表示干预措施开始的时间，t
e
表示干预措施结束的时间，r用来调节社交距离的强度，其中r>0，相应的，C(t)∈(0,1]；特殊的是，C(t)越小，社交距离的强度就越大；个体感染流行病的风险不仅流行病的感染率λ，还取决于取决于社交距离的强度C(t)；社交距离的强度越大，个体感染流行病的风险就越低；如果人们在流行病首次发生时未采取任何预防措施，或在第一波疫情发生后已养成采取一定程度的预防性措施的习惯，即0≤t<t
s
，感染风险通常是恒定的λC0；当政府管理部门呼吁个体采取预防性措施时，即t
s
≤t<t
e
，C(t)呈指数级降低，社交距离的强度呈指数级增加，导致个体感染流行病的风险下降到λC(t)；随着时间的推移t
e
≤t，个体会放松对流行病的警惕，C(t)呈指数级增加，社交距离的强度呈指数级下降，导致个体感染流行病的风险增加到λC(t)；
[0024]步骤S1.3:考虑到个体间的动态交互，构建时序网络演化规则：
[0025]1)根据幂律分布F(a)＝a
‑
r
，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1)模，r调节网络的异质性；
[0026]2)每时刻Δt，瞬时网络G(t)中节点i以活跃度a
i
变为活跃节点，并随机选择m个节
点建2)立连接；
[002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动态社交距离干预的流行病传播控制方法，其特征在于：应用于流行病传播控制和时序网络中，操作步骤如下：步骤S1：根据均场近似理论，构建基于动态社交距离干预的易感S
‑
潜伏E
‑
感染I
‑
隔离Q
‑
恢复R流行病传播模型；步骤S2：理论推导易感S
‑
潜伏E
‑
感染I
‑
隔离Q
‑
恢复R流行病传播模型在恒定社交距离下的临界阈值λ
c
；步骤S3：实施不同社交距离的开始时间、干预周期以及接触追踪策略下流行病传播的动力学过程。2.根据权利要求1所述的时序网络上基于动态社交距离干预的流行病传播控制方法，其特征在于，所述步骤S1具体步骤为：步骤S1.1：考虑到动态社交距离和检测追踪联合干预措施对节点流行病状态的改变，构建基于动态社交距离和检测追踪联合干预下的流行病传播规则，包括如下步骤：将节点分为以下七种状态：易感态S、潜伏态E、感染态I、隔离的易感态Q
S
、隔离的潜伏态Q
E
、隔离的感染态Q
I
和恢复态R；在不失一般性的情况下，所有节点以概率δ安装追踪App；δ2表示安装追踪App的个体之间的接触比例；为简单起见，假设所有安装追踪App的个体都可被跟踪，即接触追踪率为δ2；所述基于动态社交距离和检测追踪联合干预下的流行病传播规则包括：1)感染态I节点以检测率α被检测变为隔离的感染态Q
I
；否则，以恢复率μ转化为恢复态R；2)当安装了追踪App的感染态I节点被检测时，其安装了追踪App的接触者易感态S和潜伏态E节点以追踪率δ2被追踪隔离，并转换为隔离的易感态Q
S
和隔离的潜伏态Q
E
，而未安装追踪App的接触者不会被追踪；3)未被追踪的易感态S节点通过与潜伏态E和感染态I节点接触，以概率λC(t)被感染，并转化为潜伏态E；4)经过潜伏期未被追踪的潜伏态E节点转换为感染态I；被隔离的潜伏态Q
E
节点转化为被隔离的感染态Q
I
；5)经过隔离期被隔离的易感态Q
S
和被隔离的潜伏态Q
E
节点分别变为易感态S和潜伏态E；6)被隔离的感染态Q
I
节点以治愈率κ转化为恢复态R；步骤S1.2：考虑到公众保持社交距离的意愿或能力可能会随着防疫政策的演变而变化，定义C(t)来调节社交距离的强度：其中，C0∈(0,1]表示恒定社交距离；C0＝1表示流行病首次发生时人们未采取任何预防性措施的情形；C0∈(0,1)表示流行病复发时人们已养成采取一定程度的预防性措施习惯的情形；C
max
∈(0,C0)表示最大社交距离强度，t
s
表示干预措施开始的时间，t
e
表示干预措施
结束的时间，r用来调节社交距离的强度，其中r>0，相应的，C(t)∈(0,1]；特殊的是，C(t)越小，社交距离的强度就越大；个体感染流行病的风险不仅流行病的感染率λ，还取决于取决于社交距离的强度C(t)；社交距离的强度越大，个体感染流行病的风险就越低；如果人们在流行病首次发生时未采取任何预防措施，或在第一波疫情发生后已养成采取一定程度的预防性措施的习惯，即0≤t<t
s
，感染风险通常是恒定的λC0；当政府管理部门呼吁个体采取预防性措施时，即t
s
≤t<t
e
，C(t)呈指数级降低，社交距离的强度呈指数级增加，导致个体感染流行病的风险下降到λC(t)；随着时间的推移t
e
≤t，个体会放松对流行病的警惕，C(t)呈指数级增加，社交距离的强度呈指数级下降，导致个体感染流行病的风险增加到λC(t)；步骤S1.3:考虑到个体间的动态交互，构建时序网络演化规则：1)根据幂律分布F(a)＝a
‑
r
，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1)模，r调节网络的异质性；2)每时刻Δt，瞬时网络G(t)中节点i以活跃度a
i
变为活跃节点，并随机选择m个节点建2)立连接；3)在下一个时间步t+Δt，删除瞬时网络G(t)中的所有连边；3)4)重复以上步骤2)和3)，直到传播达到稳态；4)步骤S1.4：根据权利要求2中所述步骤S1.1的流行病传播规则和均场近似理论，计算t+Δt时刻，活跃度为a的易感态S、潜伏态E、感染态I、恢复态R、隔离的易感态Q
S
、隔离的潜伏态Q
E
和隔离的感染态Q
I
节点的动力学演化方程：节点的...

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