Cooperative epidemic spreading on a two-layered interconnected network
研究了传染病传播在两层互联网络上的动力学行为。提出了三个不同层次的模型来描述互联网络上的合作传播过程,其中一个网络中的疾病可以传播到另一个网络。理论分析表明,互联网络中的全局流行阈值不大于两个孤立的分层网络的流行阈值。特别是,在一个互联的同质网络,详细的理论分析,这使得快速和准确的计算的全球流行病阈值。此外,在节点度之间存在层间相关性的互联异构网络中,发现层间相关系数对流行阈值的影响很小,但对总流行有显著影响。仿真结果进一步验证了分析结果,表明合作流行过程促进了疾病的传播。
2017-02-13 cs.SI physics.soc-ph
Mutual Feedback Between Epidemic Spreading and Information Diffusion
信息扩散对传染病传播的影响近年来引起了人们的广泛关注。当一种疾病开始在人群中传播时,有关该疾病的信息就会传播给其他人,这反过来又会对疾病的传播产生影响。在本文中,使用H7N9传播的经验结果和有关该疾病的信息,我们清楚地表明,这两种类型的过程的传播动力学相互影响。为了说明信息扩散对传染病传播的影响,我们建立了一个数学模型,其中两种类型的传播动力学描述使用SIS过程。仿真结果和成对分析都表明,信息扩散可以提高疫情爆发的阈值,降低最终感染个体的比例,并显著降低疫情传播的速率。此外,我们发现传染病传播的多爆发现象,以及信息扩散的影响,与实证结果一致。这些调查结果突出表明,即使在流行病似乎得到控制的情况下,也需要保持社会对疾病的认识,以防止随后的爆发。这些结果有助于深入理解传染病传播动力学与信息扩散之间的相互作用。
2015-06-12 cs.SI physics.soc-ph
Traffic-driven epidemic spreading in correlated networks
尽管人们在复杂网络中的流量动力学和传染病传播方面做了大量的工作,但在{ \em相关}网络上流量驱动的传染病传播问题还没有得到解决。有趣的是,我们发现,流行病的阈值,一个基本量背后的传播动力学,表现出非单调的行为,它可以最小化的一些临界值的传播系数,一个参数表征网络的相关性。为了理解这种现象,我们使用基于度的平均场论来计算相关网络的流量驱动的流行病阈值。该理论预测阈值与分组生成速率和介数矩阵的最大特征值成反比。我们得到理论和数值之间的一致性。我们的研究结果可能会提供洞察到控制/利用现实世界的传染病传播动态驱动的交通流量的重要问题。
2015-07-16 cs.SI physics.soc-ph
Epidemic Spreading on Weighted Complex Networks
如今,在线服务的出现提供了各种多元关系的信息,以支持对传染病传播过程的全面了解。在这封信中,我们考虑边权重来表示这种多角色关系。此外,我们进行了详细的分析,两个代表性的指标,爆发阈值和流行病流行,SIS和SIR模型。理论和仿真结果都发现彼此很好的协议。此外,实验表明,在完全混合网络中,当网络的平均权值一定时,边的权值分布不会影响网络的传播效果。本文的工作对于深入理解多重关系网络和加权网络上的传染病传播具有一定的指导意义。
2014-02-10 cs.SI physics.soc-ph
Traffic-driven SIR epidemic model on networks
提出了一个新的SIR传染病模型,该模型由网络中的感染包传输驱动。具体地说,感染节点产生并传递感染包,导致疫情的传播,而恢复节点阻止感染包的传递,这抑制了传染病传播。在分组传输中使用由控制参数$α$管理的高效路由协议。通过仿真得到了感染节点的最大瞬时种群、感染节点的最大种群以及相应的最优$α$。我们发现,一般更平衡的负载分布会导致更激烈和广泛的传播网络中的流行病。增加节点的平均度或度分布的均匀性都有利于传染病传播。当数据包生成率$ρ$较小时,增加$ρ$有利于传染病传播。然而,当$ρ$足够大时,出现抑制传染病传播的交通堵塞。
2015-02-18 cs.SI physics.soc-ph
The impact of nodes of information dissemination on epidemic spreading in dynamic multiplex networks
College of Artificial Intelligence, Southwest University(西南大学人工智能学院);School of Public Policy and Administration, Chongqing University(重庆大学公共政策与管理学院)
本文提出双层网络模型,探讨意识层中个体属性对传染病传播的影响,发现高中心性个体能抑制传染病传播,低中心性个体对感染数量有近似线性影响。
2024-06-06 cs.SI physics.soc-ph
Suppressing traffic-driven epidemic spreading by edge-removal strategies
近年来,复杂网络上的流量动态与传染病传播之间的相互作用越来越受到人们的关注。然而,控制交通驱动的传染病传播仍然是一个具有挑战性的问题。在这份简报中,我们提出了一种方法,通过适当地删除网络中的一些边缘来抑制流量驱动的流行病爆发。我们发现,可以通过有针对性地切割具有最大算法介数的大度节点或边之间的链接来提高流行阈值。相反,通过随机边缘去除,将降低流行阈值。这些发现是强大的交通流量条件,网络结构和路由策略。此外,我们发现,目标边缘的关闭可以有效地释放通过大度节点的流量负载,使这些节点的感染概率相对较低。
2015-02-28 cs.SI physics.soc-ph
Competing spreading processes and immunization in multiplex networks
物理接触网络上的传染病传播自然会引入虚拟接触网络上的人类意识信息扩散,而意识扩散又反过来抑制传染病传播,从而形成多重网络中传染病与意识的竞争传播过程。在本文中,我们研究的竞争动力学的流行病和意识,这两者都遵循SIR过程,在一个两层网络的基础上微观马尔可夫链方法和数值模拟。我们发现,较强的意识传播和自我保护能力的个人可能会导致更高的流行阈值和更小的爆发规模。但个体的自我意识对疫情阈值和爆发规模没有明显影响。此外,本文还研究了在传染病和意识传播相互作用下,身体接触网络的免疫问题。结果表明,目标免疫的免疫效果明显优于随机免疫,且意识扩散可以显著降低随机免疫和目标免疫的免疫阈值。
2016-08-03 cs.SI physics.soc-ph
Effects of awareness diffusion and self-initiated awareness behavior on epidemic spreading - an approach based on multiplex networks
本文研究了多重网络中传染病传播与意识扩散之间的相互作用。在该模型中,传染病可以在代表传染病传播路径的一个网络(接触网络)中传播,导致意识在另一个网络(信息网络)中扩散,然后意识的扩散会导致个体采取社会距离,进而影响传染病传播。对于意识的扩散,我们认为,一方面,个体可以通过信息网络中的其他有意识的邻居获得信息,另一方面,易感个体可以通过接触网络(局部信息)或大众媒体(全局信息)中的被感染邻居诱导自我意识。通过马尔可夫链方法和数值计算,我们发现两个网络的结构和意识的有效传播率会影响感染个体的密度和流行阈值。然而,我们证明了虽然引入自我意识可以降低感染密度,但无论是局部信息还是全局信息,都不会增加流行阈值。我们的发现是显着不同的许多以前的结果-本地信息为基础的行为反应可以改变流行阈值。
2015-02-02 cs.SI physics.soc-ph
Epidemic spreading on complex networks with general degree and weight distributions
疾病在复杂网络上的传播引起了物理学界的广泛关注。最近的研究表明,异质度和权重分布对流行病动力学有着重要的影响。在这项研究中,一种新的基于边权重的分区方法被开发用于估计具有一般度和权重分布的网络上的流行病阈值和流行病大小(最终感染密度),并且获得了与数值的显著一致性。即使在复杂的网络与强异构度和权重分布,这种方法是工作。我们提出了一种基于边权重的不同偏向的删除策略,发现当优先删除高权重的边时,这种策略可以有效地控制流行病的传播,特别是当网络的权重分布非常不均匀时。理论结果表明,该方法能较准确地预测上述去除效果.
2014-07-03 cs.SI physics.soc-ph
Interplay of epidemic spreading and vaccine uptake under complex social contagion
本研究通过SIR模型和阈值疫苗接种策略,在年龄分层多层网络上模拟,揭示复杂社会传染下疫苗接取态度与流行病传播的相互作用。
2024-12-16 cs.SI physics.soc-ph
Asymmetrically interacting spreading dynamics on complex layered networks
疾病通过物理接触网络的传播和疾病信息通过通信网络的传播是两个密切相关的动力学过程。我们通过关注任何传播过程背后的两个基本量:流行阈值和最终感染率,研究了两种类型的传播动态之间的不对称相互作用,每种传播动态都发生在自己的层上。我们发现,接触层上的流行病爆发可以诱导传播层上的流行病爆发,信息传播可以有效地提高流行病的阈值。当两层之间存在结构相关性时,信息阈值保持不变,但可以提高流行阈值,使接触层对流行病爆发具有更强的弹性。我们开发了一个物理理论来理解这两种类型的传播动力学之间错综复杂的相互作用。
2014-05-08 cs.SI physics.soc-ph
Revealing latent factors of temporal networks for mesoscale intervention in epidemic spread
在时间网络中,流行病缓解的传统观点取决于识别具有特定特征或网络角色的节点。然而,随之而来的基于个人的控制策略,很难在实践中进行,并忽略了重要的拓扑和时间模式之间的相关性。在这里,我们采用中观的视角,并提出了一个原则性的框架,以确定在多个尺度的集体特征,并排名其重要性的流行病传播。我们使用张量分解技术来建立一个时间网络的附加表示的介观结构,如凝聚力集群和时间本地化的混合模式。这种表示允许确定单个介观结构对流行病传播的影响,并评估去除所选结构的有针对性的干预措施的效果。我们说明了这种方法使用高分辨率的社交网络数据在学校面对面的互动,并表明我们的方法提供了有效的中尺度干预措施的设计。
2015-01-12 cs.SI physics.soc-ph
Epidemic Variability in Hierarchical Geographical Networks with Human Activity Patterns
近年来,一些研究表明,人类行为的非泊松统计源于等级地理网络结构。基于这一观点,我们将重点放在等级地理网络中的传染病传播,并研究两种不同的接触模式(即:例如,与地理距离相关的均匀时间延迟(HOTD)和非均匀时间延迟(HETD)影响暴发的传播速度和变异性。研究发现,与HOTD和null模型相比,HETD中时延与网络层次的相关性显著减缓了传染病传播,并导致了向上级联的多模态现象.相应地,HETD暴发的变异性值较低,但在较长时间内有多个可比的峰值,这使得传染病传播的长期预测变得困难。当种子(i)例如,初始感染节点)来自网络的高层,显著促进了传染病传播。有趣的是,两种接触模式的变异性出现了不同的趋势:高层次的种子在HOTD导致较低的变异性,HETD的情况下,相反。更重要的是,HETD中高层种子的变异性远大于HOTD,这意味着传染病传播在等级地理网络中的不可预测性。
2012-04-03 cs.SI physics.soc-ph
What Stops Social Epidemics?
在理解图上的传播过程的动态方面的理论进展表明存在一个流行阈值,低于该阈值,没有流行病形成,高于该阈值,流行病传播到图的很大一部分。我们观察到社交媒体网站Digg上的信息级联,其传播速度足以让一个初始传播者感染数百人,但最终只影响整个网络的0.1%。我们发现,两个影响,以前研究的孤立,结合合作,大大限制了Digg上的级联的最终大小。首先,由于Digg网络的高度集群结构,大多数知道一个故事的人都是通过多个朋友接触到它的。这种结构降低了流行病的门槛,同时适度减缓了级联的总体增长。此外,我们发现,Digg上的社会传染机制指出了信息传播和其他传染过程之间的根本区别:尽管在一个社会群体中有多种感染机会,但人们不太可能成为反复接触信息的传播者。这种机制的结果对于更多的聚类图变得更加明显。最终,这种影响严重限制了Digg上社交流行病的规模。
2011-04-01 cs.SI physics.soc-ph
Epidemic Spreading on Activity-Driven Networks with Attractiveness
我们研究SIS传染病传播过程展开最近概括的活动驱动的建模框架。在这个时变网络模型中,每个节点由两个变量描述:活动性和吸引力。第一,描述了形成联系的倾向。第二,定义吸引他们的倾向。我们推导出分析考虑的时间尺度驱动的接触和传染的演变可比的流行阈值。这些解是通用的,适用于任何活动和吸引力的联合分布。通过考虑异质分布和两个变量之间的不同相关性进行的大规模数值模拟,证实了理论图片。我们发现吸引力的异质分布改变了传染过程。特别是,在两个变量之间不相关和正相关的情况下,异质吸引力促进了传播。相反,活动和吸引力之间的负相关阻碍了传播。所提出的结果有助于了解时变网络的动力学性质及其对在其结构上展开的传染现象的影响。
2017-09-11 cs.SI physics.soc-ph
The Effects of Diffusion of Information on Epidemic Spread -- A Multilayer Approach
在这项工作中,目的是研究传染病的传播和多层次社会系统的信息。其主要思想是找到一个标准,根据该标准,采用传播信息阻止或抑制流行病的传播。两层网络是模型的基础。第一层描述了直接接触的互动,而第二层是信息传播层。这两个层由相同的节点组成。这个社会由五种不同类别的人组成:易感者、感染者、康复者、接种疫苗者和感染者。最初,只有一个受感染的个体开始传播感染。直接接触相互作用将感染传播给易感者。信息通过第二层传播。SIR模型用于描述感染传播,而Bass方程用于描述信息的采纳。信息传播与疾病传播竞争的控制参数是网络的拓扑结构和连通性密度。信息层的拓扑结构是一个无标度网络,其边缘密度不断增加。在接触层中,每个节点具有相同平均度的规则和无标度网络可以互换使用。观察结果是,接触网络的日益复杂性降低了个体意识的作用。如果接触层由具有有限范围连接的网络组成,或者边缘比信息网络稀疏,则信息的传播在控制流行病方面起着重要作用。
2021-03-13 cs.SI physics.soc-ph
Efficient local behavioral change strategies to reduce the spread of epidemics in networks
最近已经确定,传染病在人类之间的传播不仅受到病原体本身的影响,而且还受到人们意识到流行病时行为变化的影响;例如,社交距离。众所周知,接触网络中的社区结构(存在相对密集连接的顶点组)会影响疾病的传播。我们提出了一套当地的策略,社会距离,社区结构的基础上,可以在发生流行病,以减少流行病的规模。与大多数社交距离方法不同,我们不要求个人了解疾病状态(感染或易感等)。我们不做不切实际的假设,即整个接触网的结构是已知的。相反,建议的行为改变仅基于个人对网络的本地视图。每个人避免与他/她的一部分联系人接触,利用他/她的本地网络的知识来决定应该避免哪些联系人。如果行为改变只发生在一个人生病或意识到疾病的时候,这些策略可以以相对较小的成本(以避免接触的数量来衡量)大大减少流行病的规模。
2013-10-08 cs.SI physics.soc-ph
Analysis and Control of Epidemics: A survey of spreading processes on complex networks
本文回顾并提出了各种解决和开放的问题,在发展,分析和控制的流行病模型。我们有兴趣为希望进入复杂网络传播过程领域的新工程师提供一份相对简洁的报告。
2015-08-25 cs.SI math.OC physics.soc-ph
Epidemic spreading driven by biased random walks
随机游走是在许多网络应用中发现的基本机制之一。研究了复杂网络上由有偏随机游动驱动的传染病传播动力学。在我们的传染病模型中,每次被感染的节点不断地通过有偏随机游走将一些被感染的数据包传播到它们的邻居节点,导致接收数据包的易感节点被感染。被感染的节点以固定的概率从感染中恢复。对模型和真实网络的仿真分析结果表明,随着感染节点的传递能力、节点平均度、节点度分布均匀性的增加,传染病传播的强度和范围都增大。此外,还存在相应的最优参数,使得感染节点瞬时拥有最大种群,传染病传播过程覆盖网络的最大部分。
2014-08-01 cs.SI physics.data-an physics.soc-ph
Mathematical models for epidemic spreading on complex networks
提出了一个有限复杂网络上的传染病传播模型,该模型限制每个时间步最多只能有一个传染源。由于该过程的高度离散特性,分析不能使用连续近似,而连续近似被广泛用于大多数模型。利用离散方法,我们研究了流行病的阈值和准平稳分布。主要结果是一个定理的混合时间的过程,其规模像对数的网络规模和成正比的距离从流行阈值的倒数。为了全面介绍该模型,我们回顾了基于复杂网络的传染病传播建模的现代方法,并介绍了有关随机网络、离散时间马尔可夫链及其准平稳分布的必要信息。
2013-07-21 cs.SI math.PR physics.soc-ph
Epidemic centrality - is there an underestimated epidemic impact of network peripheral nodes?
在SIR模型中研究经验复杂网络上的疾病传播时,初始感染节点可以根据其流行病影响程度进行排序。排名最高的节点,也被称为“超级传播者”,与主要流行病风险有关,因此值得特别关注。在研究经验复杂网络的模拟中,它表明,排名取决于疾病传播的动力学制度。一个可能的机制,导致这种依赖说明在一个易于分析的例子。在系统中的资源分配,以对抗疾病传播到各个节点是基于他们的排名,疾病传播的动态政权往往是未知的疾病爆发之前。因此,我们引入了一个称为流行病中心性的数量,作为疾病传播的所有相关制度的平均值,作为排名的基础。最近引入的概念的相图的传染病传播被用作一个框架,其中几种类型的平均进行了研究。流行中心性相比,节点的结构属性,如节点度,k-核心和介数。随着度和k-核值的增加,流行中心性有增加的趋势,但流行中心性的变化远小于度和k-核值的变化。研究发现,结构外围节点的流行中心性与结构中心节点的流行中心性具有相同的数量级。这些研究结果的影响资源分配,以对抗疾病的传播进行了讨论。
2012-08-08 cs.SI physics.soc-ph q-bio.PE
Beyond network structure: How heterogenous susceptibility modulates the spread of epidemics
用于研究传染病传播的房室模型通常假设所有个体的易感性相同,因此,不知道易感性差异对传染病传播的影响。在这里,我们表明-SIS模型-差分易感性可以使网络更容易受到疾病的传播时,节点的程度和易感性之间的相关性是积极的,而不那么脆弱时,这种相关性是负的。此外,我们发现,当个体更有可能与具有相似易感性的其他人联系时,网络更有可能包含感染的口袋(网络是隔离的)。这些结果表明,不包括差分易感性的流行病模型可能会导致一个系统的过/下估计的基本流行病参数时,网络的结构是不独立的节点的易感性,或当有相关性的易感性连接的个人。
2014-03-10 cs.SI physics.soc-ph q-bio.PE
FastSIR Algorithm: A Fast Algorithm for simulation of epidemic spread in large networks by using SIR compartment model
研究了SIR(Susceptible Infected Discovered)房室模型下任意复杂网络上的流行病传播问题.我们提出了一个朴素的SIR算法的网络上,有效地使用数据结构,以减少运行时间的流行病模拟传播的实现。朴素SIR算法模拟完整的流行动态,可以很容易地升级到并行版本。我们还提出了一种新的算法,称为FastSIR算法,具有更好的平均情况下运行时间比天真SIR算法的网络上的流行病模拟传播。FastSIR算法利用感染节点数的概率分布,以常数因子减少平均案例运行时间。此外,FastSIR算法没有及时跟踪流行动态,但仍然捕获所有感染转移。此外,我们还提出了一个有效的递归方法来计算感染节点数的概率分布。推导了两种算法的平均运行时间,并在五个不同的经验复杂网络上进行了实验分析。
2012-02-08 cs.DS cs.SI physics.soc-ph
Dynamical interplay between awareness and epidemic spreading in multiplex networks
我们提出了两个过程之间的相互关系的分析占流行病的传播,并防止其感染的信息意识,在多重网络的顶部。这种情况是一个流行病的过程中传播的持久的真实接触的网络,和一个循环的信息意识过程中传播的虚拟社会接触网络之间的相同的个人。拓扑结构对应于一个多重网络,其中两个扩散过程相互作用,相互影响。使用微观马尔可夫链方法(MMCA)的分析揭示了流行病的发病率的相图,并允许捕获的流行阈值的演变取决于多路复用的拓扑结构和与意识过程的相互关系。有趣的是,流行病爆发的临界点有一个由意识动态和虚拟网络拓扑定义的临界值(亚临界点),从该临界点开始,爆发时间增加,流行病发生率降低。
2013-09-19 cond-mat.stat-mech cs.SI physics.soc-ph
Impact of origin-destination information in epidemic spreading
接触的网络结构塑造了流行病传播过程。网络理论的最新进展提高了我们对大规模流行病过程的理解。在传染病传播的研究中,仍需对若干考虑因素的相关性进行评估。其中之一是说明传染病携带者流动的来源地和目的地模式的影响。在这里,我们计算始发地-目的地模式兼容的经验数据的粗粒度流在航空运输网络。我们研究的发病率流行病的过程中的集合种群的方法,考虑不同的替代方案的流量先验知识。在数据驱动的情景中,考虑了对来源地和目的地流量的估计,结果证明与在微观层面评估流行病的影响有关(在我们的情景中,哪些人群被感染)。然而,这一信息与评估其宏观发病率(感染人群的比例)无关。这些结果对于实现更好的计算平台来预测流行病发病率是有意义的。
2018-12-24 cond-mat.stat-mech cs.SI physics.soc-ph
Bursty communication patterns facilitate spreading in a threshold-based epidemic dynamics
社会互动的记录为我们提供了新的数据来源,以了解互动模式如何影响集体动态。这种人类活动模式通常是突发的,即,它们由短时间的激烈活动和长时间的沉默组成。这种突发性已经被证明会影响传播现象;它在某些情况下加速传染病传播,在另一些情况下减慢它。我们研究了一个依赖于历史的传染模型。在我们的模型中,易感个体和感染个体之间在短时间内的重复相互作用是易感个体感染所必需的。我们对真实的时间网络数据进行了数值模拟,发现在我们的模型中,突发性活动模式有助于传染病传播。
2012-06-11 cond-mat.stat-mech cs.SI physics.soc-ph
Epidemic spreading on interconnected networks
许多真实的网络并不是彼此孤立的,而是形成网络的网络,通常以非平凡的方式相互关联。在这里,我们分析了一个传染病传播过程发生在两个相互关联的复杂网络之上。我们开发了一个异质平均场的方法,使我们能够计算的条件出现的地方病状态。有趣的是,一个全球性的地方病状态可能会出现在耦合系统中,即使流行病是不能够在每个网络上分别传播,甚至当耦合连接的数量是小的。我们的分析结果成功地面对大规模的数值模拟。
2012-02-18 cond-mat.dis-nn cs.SI physics.soc-ph
Epidemic Spreading in Weighted Networks: An Edge-Based Mean-Field Solution
权重分布在很大程度上影响网络上发生的传染病传播。本文研究了具有不同权分布的正则随机网络上的易感-感染-易感模型。仿真结果表明,更均匀的权重分布导致更高的流行病,不幸的是,这是不能捕捉到的传统的平均场近似。本文给出了一般权值分布的基于边缘的平均场解,该解能定量再现仿真结果。该方法可用于表征加权网络动力过程的非平衡稳态。
2011-12-24 cs.SI physics.data-an physics.soc-ph
Relevance of backtracking paths in epidemic spreading on networks
网络上的流行病的理解大大受益于最近的应用程序的消息传递方法,它允许获得精确的结果不可逆的传播(即永久获得性免疫的疾病)在局部树拓扑结构。这一成功表明,可以将同样的方法应用于可逆转的流行病,因为个人可以感染流行病并反复康复。基本假设是回溯路径(即一个人被他/她以前感染的邻居再次感染)不起相关作用。在本文中,我们表明,这是不可逆的流行病的情况下,由于忽略回溯路径导致的流行病阈值的公式,是定性不正确的大尺寸限制。此外,我们定义了一个修改后的可逆动力学,明确禁止直接回溯事件,并表明这种修改完全打乱的现象。
2018-10-25 cond-mat.stat-mech cs.SI physics.soc-ph
Effects of community structure on epidemic spread in an adaptive network
当流行病在人群中传播时,个体可能会适应性地改变其社会接触网络的结构,以降低感染风险。在这里,我们研究了一种流行病的传播与社区结构的自适应网络。我们模拟了两个具有不同平均度的社区的影响。疾病模型是易感-感染-易感(SIS),适应是易感者和感染者之间联系的重新连接。得到的分岔结构,和平均场模型的开发,准确地预测系统的稳态行为。我们发现,流行病可以改变社区结构。
2012-12-12 cs.SI nlin.AO physics.soc-ph
Identifying super-spreaders in information-epidemic coevolving dynamics on multiplex networks
在医疗资源有限的情况下,识别疫情中的超级传播者对抑制疾病传播具有重要意义。在现代社会,疫情信息通过各种传播渠道迅速传播,对遏制疫情起到了重要作用。本文研究了信息-疾病耦合传播动力学中超级传播者的识别问题。首先,我们发现物理接触层的中心性不再有效地识别流行病中的超级传播者,这是由于信息传播的抑制效应。在此基础上,通过考虑传播层和物理接触层之间的结构耦合和动力耦合,提出了一种耦合敏感中心性测度,用于识别疾病传播中的超级传播者。在合成网络和真实网络上的仿真结果表明,该方法不仅比单一网络上的中心度更准确,而且在识别超级传播者方面也优于两种典型的多层中心度.这些发现意味着,考虑层间的结构和动力学耦合是非常必要的,以确定在耦合多层系统中的关键作用。
2021-08-25 physics.soc-ph
Unification of theoretical approaches for epidemic spreading on complex networks
复杂网络上的传染病传播模型因其在预测和控制现实世界中的传染病传播场景方面的成功而引起了物理、数学和流行病学研究者的极大关注。为了理解传染病传播和接触网络拓扑结构之间的相互作用,已经开发了几种杰出的理论方法。一个精确的理论方法描述的传播动力学必须同时考虑网络的拓扑结构和动力学相关性,以增加方程的复杂性为代价。在这个简短的调查中,我们统一了最广泛使用的复杂网络上的传染病传播的复杂性,包括平均场,异质平均场,淬火平均场,动态消息传递,链接渗透,成对近似的理论方法。我们在这些方法之间建立联系,为开发一种准确的理论方法来在复杂网络上传播动态提供新的见解。
2016-12-13 physics.soc-ph
Modeling Epidemic Spreading through Public Transit using Time-Varying Encounter Network
公共交通(PT)网络中的乘客接触可能是传染病传播的关键媒介。本文提出了一个时变加权PT相遇网络模型,通过PT系统的传染病传播。在地方和全球层面的社会活动联系也被考虑在内。我们选择2019冠状病毒病(COVID-19)的流行病学特征作为案例研究,并结合新加坡的智能卡数据来说明城市层面的模型。一个可扩展的和轻量级的理论框架来捕捉时变和异构的网络结构,这使得在整个人口水平上解决问题,具有较低的计算成本。从公共卫生方面和运输方面的不同控制政策进行了评估。我们发现人们的预防行为是控制流行病传播的最有效措施之一。从交通方面看,部分关闭公交线路有助于减缓疫情,但无法完全遏制疫情蔓延。利用智能卡资料识别“有影响力的乘客”,并及早隔离他们,亦可有效减少传染病传播。
2020-11-22 cs.SI physics.soc-ph q-bio.PE
Epidemic spreading in lattice-embedded scale-free networks
我们研究了嵌入格点的无标度网络中地理因素对疾病传播的影响。地理结构由两个节点的连接概率表示,该概率与它们在格中的欧氏距离有关。通过对标准的易感-感染模型的研究,发现地理结构对流行病爆发的时间行为和在底层网络中的传播有很大的影响:网络的地理约束越大,流行病传播越平稳。
2007-01-19 physics.soc-ph
Incorporating social opinion in the evolution of an epidemic spread
为控制COVID 19在不同国家的流行传播,往往需要对公民的流动性施加限制。最近的例子表明,这些政策的有效性在很大程度上取决于人民是否愿意遵守这些政策。这是一个很难测量和控制的参数。我们在这篇手稿中展示了一种系统的方法来检查一个社会的情绪,并将其纳入流行病传播的动力学模型。我们考虑西班牙的情况下,虽然结果和方法可以直接外推到其他国家的过程。
2020-07-09 cs.SI nlin.PS physics.soc-ph
Optimal curing policy for epidemic spreading over a community network with heterogeneous population
设计一个有效的治疗政策,能够阻止一个流行病的过程在一个负担得起的成本,必须考虑到人口接触网络的结构,支持传染过程。因此,我们解决了在人群中分配恢复资源的问题,以尽可能低的成本防止流行病在网络中无限期地持续下去。具体地说,我们分析了一个易感染的易感流行病过程的加权图上传播,通过一阶平均场近似。首先,我们描述了接触网络的动态的流行病之间的一个非齐性总体,这可能是分为社区的影响。对于社区网络的情况下,我们的调查依赖于公平分区的图论概念,我们表明,流行病的阈值,对流行病传播的网络鲁棒性的一个关键措施,可以确定使用一个低维的动力系统。利用计算的流行病阈值,我们确定了成本最优的治疗策略,通过解决一个凸极小化问题,它具有一个减少的社区网络的情况下的维数。最后,我们考虑了一个两层的最优固化问题,对于这个问题,我们设计了一个在网络规模下具有多项式时间复杂度的算法。
2017-12-01 cs.SI math.OC physics.soc-ph
Epidemic spreading and control strategies in spatial modular network
网络上的流行病传播是网络科学中研究最多的动力学之一,在真实的流行病场景中具有重要意义。然而,真正流行病的动态以及它如何受到感染渠道的底层结构的影响,仍然没有得到充分的了解。在这里,我们应用SIR模型和研究分析和数值的流行病传播最近开发的空间模块化模型,模仿在一个国家的城市结构。该模型假设在一个城市内部,传染渠道连接许多不同的位置,而城市之间的传染渠道较少,通常只直接连接在一个二维平面上的几个最近的邻居城市。我们发现该模型经历了两次传染病转移。第一个较低的阈值表示在一个城市内但未蔓延到整个国家的局部流行病,第二个较高的阈值表示在整个国家的全球流行病。基于我们的解析解,我们提出了几种控制策略,以及如何优化它们。我们还表明,虽然控制策略可以成功地控制疾病,但早期行动是防止疾病全球传播的关键。
2020-09-06 physics.soc-ph
Traffic-driven epidemic spreading on scale-free networks with tunable degree distribution
研究了度分布可调的无标度网络中流量驱动的传染病传播问题。网络的异质性由幂律度分布的指数$γ$控制。发现流行阈值在约$γ=2.2$处最小化。此外,我们发现具有较大算法介数的节点更容易被感染。我们希望我们的工作提供新的见解的影响网络结构的交通驱动的传染病传播。
2018-02-05 physics.soc-ph
Suppressing traffic-driven epidemic spreading by adaptive routing strategy
近年来,流量驱动的传染病传播路由策略的设计受到越来越多的关注。在本文中,我们提出了一种自适应路由策略,通过一个可调的参数$h$,将拓扑距离与当地的流行病信息。在无拥塞的情况下,存在一个最优的路由参数$h$值,导致最大的流行阈值。这意味着与静态最短路径路由方案相比,自适应路由可以更有效地控制传染病传播。此外,我们还发现,在节点传输容量有限的情况下,最优的$h$值可以极大地缓解业务拥塞。我们希望我们的工作提供了新的见解动态路由交通驱动的传染病传播的影响。
2018-02-05 physics.soc-ph
Epidemic Spreading and Aging in Temporal Networks with Memory
时变网络拓扑结构可以深刻地影响由它们介导的动力学过程。人们还知道,个体之间互动模式中的记忆效应会影响扩散和传播现象的发生。在本文中,我们分析了这两种成分对网络上流行病动力学的综合影响。在最近引入的具有记忆的活动驱动网络上,研究了易感染-易感染(SIS)和易感染-易感染-移除(SIR)模型。通过基于活动的平均场方法,我们推导出,在很长的时间限制,分析预测的流行阈值作为一个函数的参数描述的活动分布和记忆效应的强度。我们的研究结果表明,记忆降低了阈值,这是相同的SIS和SIR动态,因此有利于传染病传播。在长时间渐近状态下,理论计算与数值模拟结果完全一致。强的老化效应存在于前渐近制度和流行病的阈值深受流行病的开始时间的影响。我们详细讨论了依赖于模型的前渐近校正的起源,其理解可能允许相关的时间网络的流行病控制。
2018-12-19 cs.SI physics.soc-ph q-bio.PE
Optimizing Hybrid Spreading in Metapopulations
University College London(伦敦大学学院);National University of Defense Technology(国防科技大学);Monash University(莫纳什大学)
本研究构建了混合流行病理论框架,发现临界混合传播现象,即单一机制无效而组合可致巨大疫情,为优化有益传播与评估有害疫情提供策略。
2015-03-31 cs.AI cs.SI physics.soc-ph
Modeling the amplification of epidemic spread by individuals exposed to misinformation on social media
Luddy School of Informatics, Computing, and Engineering, Indiana University(印第安纳大学卢迪信息、计算与工程学院);Department of Electronics, Information and Bioengineering, Politecnico di Milano(米兰理工大学电子、信息与生物工程系)
本文通过构建传染病模型,研究社交媒体上的虚假信息如何放大传染病传播,评估不同场景下疫苗接种率和感染人数的影响。
2025-01-29 cs.CY cs.SI physics.soc-ph
Phase diagram of epidemic spreading - unimodal vs. bimodal probability distributions
在SIR模型下研究了复杂网络上的疾病传播问题。对经验复杂网络的模拟揭示了两种特定的疾病传播机制:局部遏制和流行病爆发。衡量疾病传播程度的变量一般具有双峰概率分布的特征。介绍了经验复杂网络的疾病传播相图。对多叉树上疾病传播的理论模型进行了分析和模拟研究。结果表明,该模型再现了经验复杂网络中观察到的疾病传播相图的定性特征。讨论了复杂网络的树状结构在疾病传播中的作用。
2009-12-03 physics.soc-ph
Epidemic spreading with immunization on bipartite networks
二分网络由两种类型的节点组成,并且相同类型的节点之间没有链接。因此,研究这种网络上的流行病传播和控制与性传播疾病(STD)有关。当两类人群不能全部免疫且免疫效果不理想时,就不得不考虑免疫率的靶向免疫。我们推导了带有免疫的SIR和SIS模型的流行阈值,并以异性接触网络上的性病为例说明了结果。
2011-05-17 physics.soc-ph
Competing spreading processes on multiplex networks: awareness and epidemics
在多层互联的复杂网络之上,类似流行病的传播过程揭示了相互交织的竞争效应的丰富相图。作者最近的一项研究[Granell等人,Phys.Rev.Lett. 111,128701(2013)]分析了导致流行病传播的两个过程之间的相互关系,以及在多重网络之上传播信息意识以防止其感染。在这种情况下,提高认识意味着对疾病进行全面免疫,结果表明存在一个元临界点,在这个点上,流行病的关键开始取决于提高认识过程的实现。在这里,我们提出了一个全面的分析,这些关键的属性在更一般的情况下,意识的传播并不意味着完全免疫,感染并不意味着立即意识到它。我们发现这两个竞争过程之间的关键关系,代表它们之间的相互作用的参数范围很广。我们还分析了大规模广播的意识(大众媒体)的流行病发病率的最终结果的后果。更重要的是,大众媒体使元批评点消失了。结果表明,主要的发现,即存在一个元临界点,是植根于竞争的原则,并持有一个大的场景。
2014-05-18 cond-mat.stat-mech cs.SI physics.soc-ph
Steady States of Epidemic Spreading in Small-World Networks
考虑一个标准的\textit{susceptible-infected-susceptible}(SIS)模型,研究小世界网络中传染病传播的稳态行为.使用分析方法和大规模的模拟,我们恢复通常的流行病的行为与一个临界阈值$λ_{c}$以下的传染病消亡。而对于远高于$λ_{c}$的扩散率$λ$,发现作为$λ$的函数的感染个体密度$ρ$具有性质$ρ\approx F(K)(\ln λ- \ln λ_{c})$。
2005-09-01 physics.soc-ph
Immunization strategy for epidemic spreading on multilayer networks
在现实世界的许多复杂系统中,个体之间存在着多种交互作用,这就需要考虑一种分层结构的框架来对社会交互等系统进行建模。这种结构可以被多层网络捕获,并且可以对发生在它们上的过程的传播产生重大影响,例如流行病。在这封信中,我们研究了一个有针对性的免疫策略,传染病传播的多层网络。我们将该策略应用于其中一层,并研究其在网络的所有层中的效果,而不考虑层之间的度-度相关性。我们发现,有针对性的策略不如孤立网络有效,因为为了阻止疾病的传播,有必要对80%以上的个体进行免疫接种。然而,与没有缓解策略的情况相比,在应用免疫策略的层中,流行病的大小急剧减小。因此,免疫策略对所应用的层具有主要影响,但不能有效地保护其他层的个体。
2015-02-05 cs.SI nlin.AO physics.soc-ph
Identifying Influential Spreaders of Epidemics on Community Networks
一个有效的战略,以确定有影响力的传播者,可用于控制人口中的流行病将是相当重要的。一般来说,种群的特征在于它的社区结构和社区上的节点之间的弱联系的异质分布。在这里提出了一个社区网络的战略,能够确定有影响力的传播者,加速疾病的传播。在这种策略中,有影响力的传播者作为目标节点。这是基于这样的想法,即在k壳分解中,弱关系和强关系被分开处理。将该策略应用于由在线社交网络构建的经验网络,结果表明该策略比其他策略更准确。它的有效性源于邻居之间的连接模式,并成功地确定了重要的节点。此外,即使网络结构存在错误,该策略的性能也保持稳健。
2016-01-28 cs.SI physics.soc-ph stat.ME
Predicting epidemic outbreak from individual features of the spreaders
了解哪些个体可以更有效地在确定的环境中传播病原体是疾病控制中的一个基本问题。事实上,在过去的几年里,流行病的传播及其与相关系统拓扑结构的关系一直是复杂网络理论中反复出现的话题,同时考虑到网络模型和现实世界的数据。在本文中,我们探讨了传染病的异质性传播由易感染-感染-恢复(SIR)模型,和起源顶点的几个属性之间的可能的相关性,考虑Erdös-Rényi(ER),Barabási-Albert(BA)和随机几何图(RGG),以及一个真实的研究案例,美国航空运输网络,包括美国500个最繁忙的机场以及相互连接。最初,考虑到RGG网络,在其中,我们解析推导出的传播率的分布在已建立的联系人之间的表达式,通过假设这样的速率呈指数衰减的距离,分开的个人的异质性的传播实现。这样的分布也被认为是ER和BA模型,我们观察到拓扑效应的相关性。在机场网络的情况下,扩展率是根据经验定义的,假设与座位可用性成正比。在所考虑的理论网络和真实网络中,我们观察到总流行率与流行源的程度、强度和可及性之间存在高度相关性。然而,对于诸如介数中心性和$k$壳指数之类的属性,相关性取决于所考虑的拓扑。
2012-06-15 cs.SI physics.soc-ph q-bio.PE
Network-based Prediction of COVID-19 Epidemic Spreading in Italy
SARS-CoV-2病毒最初出现在中国武汉市,随后几乎在全球范围内传播,导致大流行,在中国病例中,该病毒在接触网络上相当好地遵循SIR(易感-传染-隔离)流行模型。在本文中,我们调查的SIR模型对网络的预测精度也为意大利。具体来说,意大利地区是一个集合种群代表的网络节点和网络链接是这些地区之间的相互作用。然后,我们修改了基于网络的SIR模型,以考虑意大利政府在COVID-19传播的各个阶段采取的不同封锁措施。我们的研究结果表明,基于网络的模型更好地预测每日累计感染的个人时,随时间变化的锁定协议被纳入经典的SIR模型。
2020-10-27 cs.SI physics.soc-ph q-bio.PE
Thresholds for epidemic spreading in networks
研究了度分布服从幂律分布的淬灭网络中传染病模型的阈值问题。对于易感染易感(SIS)模型,当网络的最大度k_max随系统规模变化时,其活动阈值λ_c在大规模极限下为零,这与非均匀平均场(HMF)理论相悖.阈值的消失与连接模式的无标度性质无关,而是由系统中最大的枢纽发起的,该枢纽对于任何传播速率lambda>1/sqrt{k_max}都是活跃的,并且扮演着将感染传播到系统其余部分的自我维持源的角色。而易感染-感染-移除(SIR)模型则与HMF理论相一致,并为富规模网络提供了一个有限的阈值。我们推测,在淬灭的规模丰富的网络的通用流行病模型的阈值是消失或有限的存在或不存在一个稳定的状态。
2010-12-09 cond-mat.stat-mech cs.SI physics.soc-ph
Effects of diffusion rates on epidemic spreads in metapopulation networks
它通常是有用的移动代理的传染动力学的集合种群模型。在这样的模型中,集合种群形成一个静态网络,个体从一个集合种群迁移到另一个集合种群。众所周知,集合种群网络的异质度分布降低了流行病传播的阈值。我们研究了异质度分布和扩散对集合种群网络中流行病的综合影响。我们发现,对于任意的异构网络,扩散抑制流行病的意义上的增加的流行病阈值。另一方面,需要一定的扩散率来引发全球范围的流行病传播。由于这些相反的扩散效应,接近流行阈值的传染病传播在中等扩散速率下最为显著。当个体固定在静态网络的节点上时,扩散可以抑制流行病的结果与扩散SIS动力学及其变体形成对比。
2010-08-20 cond-mat.dis-nn physics.soc-ph
Bifurcation analysis of the Microscopic Markov Chain Approach to contact-based epidemic spreading in networks
许多传染病在单一宿主种群中传播的流行病房室模型的动力学都存在二阶相变。这种转变发生作为一个函数的传染性参数,从没有感染的个人到地方病的状态。在这里,我们从动力系统的角度研究了离散时间房室流行病模型的这种转变,称为微观马尔可夫链方法,其适用性预测未来的传染病传播的情况已被证明在COVID-19大流行期间非常有用。我们表明,有一个地方病的状态,这是稳定的,是一个全球吸引子,它的存在是一个跨临界分岔的后果。这一数学分析为实际应用中的模型结果提供了依据。
2022-10-31 cond-mat.stat-mech cs.SI math.DS