Tensor product approach to modelling epidemics on networks
针对网络流行病建模中主方程维数灾难与SSA收敛慢的问题,提出用张量积算法求解一般网络SIR模型的化学主方程,实验证明其收敛更快、结果更准,尤其适用于稀有事件概率计算。
2022-08-30 cs.NA math.NA math.PR
Dynamics of cascades on burstiness-controlled temporal networks
突发性是交互事件在时间上不均匀分布的趋势,对物理和社会系统中的信息传播至关重要。然而,缺乏一个分析框架捕捉突发性的影响,通用动态。我们开发了一个主方程的形式主义研究级联的时间网络与突发更新过程建模。在数值模拟和数据驱动的模拟的支持下,我们描述了异质时间相互作用和阈值驱动和传染病传播模型之间的相互作用。我们发现,对于阈值模型,增加间隔时间方差既可以加速传播,也可以减慢传播,但只能减慢传染病传播。当考虑到不同事件时间分布的偏斜度时,传播时间会坍缩到一条通用曲线上。我们的框架揭示了通用扩散机制和底层时间网络结构之间的深刻而微妙的联系,这些结构影响了广泛的网络现象,从自旋相互作用到流行病传染和语言动力学。
2020-07-13 physics.soc-ph
Social Clustering in Epidemic Spread on Coevolving Networks
尽管传递性是社交网络的核心结构特征,但它对共同进化网络上流行病传播的影响仍然相对未被探索。在这里,我们介绍和研究的自适应SIS流行病模型,其中的感染和网络的共同发展与非平凡的概率关闭三角形在边重新布线,导致大量加强网络的传递性。这个新的模型提供了一个独特的机会来研究传递性的作用,改变SIS动态的共同进化网络。使用数值模拟和近似主方程(AME),我们确定和研究了一组丰富的新模型的动力学特征。在许多情况下,包括传递性强化的AME提供了稳定状态疾病患病率和网络度分布的准确预测。此外,对于某些参数设置,AME准确地跟踪系统的时间演化。我们发现,较高的传递性强化模型中导致较低水平的感染性个体的人口,当关闭一个三角形是占主导地位的重新布线机制。这些方法和结果可能是有用的发展思路和建模策略控制SIS型流行病。
2019-06-02 cs.SI physics.soc-ph
Oscillating epidemics in a dynamic network model: stochastic and mean-field analysis
考虑了一个SIS传染病传播的自适应网络模型,模型中的链路类型依赖于链路的激活和删除。对两两ODE近似和基于网络的随机模拟进行了分叉分析,表明可能会发生三种典型的行为,即除了无病或地方病稳态外,还可以观察到振荡。利用傅里叶分析,以及通过分析随机模型的精确主方程的随机模拟中的振荡行为进行了研究。一个紧凑的成对近似的动态网络的情况下,也开发和链接型独立重新布线的情况下,流行病的结果和网络结构的变化,同时在一个单一的分叉图。通过超越简单地将模拟结果与平均场模型进行比较,我们的方法可以更深入地了解观察到的现象,并有助于更好地理解和绘制平均场模型的局限性。
2014-10-18 math.DS math.PR physics.soc-ph
High-accuracy approximation of binary-state dynamics on networks
随机网络上的二态动力学(如疾病传播的易感染-易感染(SIS)模型,或Glauber自旋动力学)可以使用主方程精确近似。标准的平均场和成对理论的结果,从寻求主方程的近似解。应用SIS流行阈值和临界点的非平衡自旋模型的计算也被证明。
2011-07-14 cond-mat.dis-nn physics.soc-ph
The impact of behavioral homophily and conformity on epidemic spreading in networks with large groups
Université Laval(拉瓦尔大学);Universitat Rovira i Virgili(罗维拉-依希尔维特里大学);Northeastern University(东北大学);University of Vermont(佛蒙特大学);Santa Fe Institute(圣塔菲研究所);Complexity Science Hub Vienna(维也纳复杂科学中心);Pacific Northwest National Laboratory(太平洋西北国家实验室)
本研究通过近似主方程框架,探讨行为同质性和从众性如何共同影响大规模紧密连接群体(团)上的SIS流行病动态,发现同质性放大了从众性效应,使少数行为得以持续并显著改变流行阈值和传播模式。
2026-05-25 physics.app-ph physics.soc-ph q-bio.PE
A nucleation and growth model for COVID-19 epidemic in Japan
通过动态相变的基本方程分析了日本和东京的COVID-19疫情。结果发现,该流行病与随机成核和线性增长模型非常一致,表明2020年3月13日至2020年5月22日之间的流行病仅受三个常数参数的限制:初始易感性,域增长率和成核衰减常数。该模型提供了一个很好的预测流行病,因为它由一个方程和初始特定的情节是线性的。
2020-08-01 physics.soc-ph q-bio.PE
Robust parameter determination in epidemic models with analytical descriptions of uncertainties
房室方程是疾病传播研究的主要工具。他们的预测是准确的大人口,但不同意经验和模拟数据有限的人口,其中不确定性成为一个相关因素。从基于主体的方法出发,研究了SIS流行病模型中不确定性和自相关函数的作用,以及它们与流行病变量的关系。我们发现新的微分方程,考虑到不确定性。这些发现为SIS模型提供了更好的预测,它可以为新兴疾病提供新的见解。
2018-07-13 physics.soc-ph q-bio.PE
Lumping the Approximate Master Equation for Multistate Processes on Complex Networks
复杂网络在人类社会和自然界中扮演着重要的角色。随机多态过程提供了一个强大的框架来模拟各种新兴现象,如流行病的动态或复杂网络上的信息传播。近年来,平均场型近似作为分析和理解复杂网络动力学的工具得到了广泛的关注。它们通过假设具有相似局部结构的所有节点行为相同来降低模型的复杂性。在这些方法中,近似主方程(AME)通过考虑节点的整个邻域,提供了对复杂网络动力学的最准确的描述。然而,典型网络的规模使得多态AME的数值解不可行。在这里,我们提出了一种有效的方法,利用结构相似的节点组的微分方程之间的相似性的AME的数值解。我们将大量类似的方程聚类在一起,每个聚类只解一个集总方程。我们的方法允许AME应用于现实世界的网络,同时保持其在计算全球网络属性的估计,如在给定时间的状态中的节点的分数的准确性。
2018-04-09 cs.SI physics.soc-ph
Exact mean field dynamics for epidemic-like processes on heterogeneous networks
我们证明了SIR流行病的平均场方程可以精确求解任意度分布的网络。我们的精确的解决方案包括减少一个孤独的一阶微分方程的动力学,它有一个解决方案的积分依赖于网络的度分布的功能,并从这个积分重建所有感兴趣的平均场函数。SIR流行病的不可逆转性对于解决方案至关重要。我们还找到了精确的解决方案,性传播疾病SI流行病的二分图,简化的谣言传播模型,并推荐传播的新模型,通过类似的技术。在无标度网络上对这些过程的数值模拟表明了平均场论在大多数情况下的定性有效性。
2012-06-27 cs.SI physics.soc-ph
Intrinsic Unpredictability of Epidemic Outbreaks on Networks
在SIR网络模型中,传染病的爆发是由相变来描述的。尽管与渗流转变相似,但在热力学极限下,流行病爆发是否发生不能用概率1来预测。我们阐明其机制,推导出一个简单的朗之万方程,捕捉到的现象的一个重要方面。我们还计算了在转变点附近爆发流行病的概率。
2013-03-21 physics.soc-ph q-bio.PE
Variance of the $SIS$ Epidemic on Networks: A Diffusion Approximation
Ruđer Bošković Institute(鲁杰尔·博什科维奇研究所);Catholic University of Croatia(克罗地亚天主教大学);Northeastern University(东北大学)
研究网络上SIS流行病波动,结合Gleeson近似主方程框架与系统规模扩展,为马尔可夫SIS在配置模型图上开发易处理的方差近似,推导相关矩阵并通过方程获协方差,模拟验证效果良好。
2026-07-07 cond-mat.stat-mech math.PR physics.soc-ph
Optimal control of a probabilistic dynamic for epidemic spreading in arbitrary complex networks
基于离散时间马尔可夫链过程,提出了一种离散时间概率动力学模型,用于模拟基于接触的传染病传播过程,特别是研究了SIR模型,并给出了该模型的相图。然后,本报告提出了一组方程,代表最优控制策略,通过庞特里亚金的最大值原理,在两种不同的情况下,疫苗接种政策和联合疫苗接种住院政策,并显示了数值模拟,与标准的前向后扫描程序,这些方程。
2017-12-20 physics.bio-ph physics.soc-ph
Vector Difference Equations, Substochastic Matrices, and Design of Multi-Networks to Reduce the Spread of Epidemics
城市长期以来一直是人类发展和进步的核心中心。城市促进了人类创造力和人类疾病的传播,同时,尽量减少疾病传播的努力也影响了城市的设计。本文的目的是探讨网络上的流行病的动态,以帮助设计一个多网络的城市的未来,旨在最大限度地减少流行病的传播。为了做到这一点,我们从网络上的SIR模型(易感、感染、移除)开始,其中节点代表城市或地区,边缘由地区之间的流量加权。由于我们的目标是稳定的零感染稳定状态,我们线性化的离散时间SIR模型产生差分方程的动态感染在每个节点,然后包括从其他节点的感染流。这就产生了传染病传播的矢量差分方程。然后,我们推广了随机矩阵的概念,以量化这个更新方程的动态。更新矩阵$M$的条目可以随时间变化,甚至在节点之间的流被打开和关闭时不连续地变化。这可以为多网络产生有用的设计约束,该多网络由表示城市内和城市之间的交互的节点对之间的弱交互和强相互作用组成。
2020-11-08 math.DS physics.soc-ph
Effective approach to epidemic containment using link equations in complex networks
在复杂网络中面临大规模感染时,流行病遏制是一个主要问题。许多工作致力于分析性地理解如何重构网络,以最大限度地减少大规模感染重大爆发的影响。在许多情况下,策略在于隔离某些节点,而较少注意到对链接的干预。在传染病传播中,链接告知疾病从感染者到易感个体的传染概率。请注意,这些状态取决于网络的完整结构,并且它的确定并不直接来自节点状态的知识。在这里,我们面对这一挑战,并提出了一组离散时间控制方程\rev{which}可以关闭和分析,评估在复杂的网络中的传播过程的链接的贡献。我们的方法允许一个计划的\rev{containment}的流行病,基于失活的最重要的环节,在传播疾病。该模型在合成网络和真实网络中进行了验证,获得了准确的确定流行病的发病率和临界阈值。基于链路失活的流行病遏制有望成为维持网络功能同时控制疾病传播的有效工具,例如在航空运输网络中。
2018-12-24 cond-mat.stat-mech cs.SI physics.soc-ph
Delay differential equations for the spatially-resolved simulation of epidemics with specific application to COVID-19
在2020年COVID-19疫情之后,人们在开发用于模拟疫情和一般疾病模型的数学模型方面进行了大量工作。大多数的作品遵循易感染-被感染-被清除(SIR)的分区框架,用一个常微分方程系统对流行病进行建模。还介绍了使用偏微分方程(PDE)来合并空间和时间分辨率的替代制剂,其数值结果显示出潜在的强大的描述和预测能力。在目前的工作中,我们引入了一个新的变化,这样的模型,通过使用延迟微分方程(DDE)。包括COVID-19在内的许多传染病的动态由于潜伏期和相关现象而表现出延迟。因此,DDE模型允许问题动态的自然表示,除了在计算时间和建模方面提供优势之外,因为它们消除了对额外的难以估计的隔间(例如暴露的个体)的需要,以包含时间延迟。在这里,我们介绍了一个DDE流行病模型在普通和偏微分方程框架。我们提出了一系列的数学结果评估的稳定性的制定。然后,我们进行了几个数值实验,验证了数学结果和建立模型的能力,以再现实测数据的现实问题。
2021-03-01 cs.NA math.NA physics.soc-ph
Kinetic and macroscopic epidemic models in presence of multiple heterogeneous populations
我们研究了接触异质性对流行动力学的影响。被认为是一个系统的特点是多个易感人群。传染病传播的描述是通过研究一个系统的玻尔兹曼型方程的数量密度的社会接触的介绍隔间。一个宏观系统的方程特征的可观察到的影响的流行病,然后推导出接触异质性的影响进行评估。
2021-11-10 nlin.AO physics.soc-ph q-bio.PE
Epidemic model on a network: analysis and applications to COVID-19
我们分析了一个网络上的传染病模型,该网络由在节点处通过扩散耦合的易感染-感染-恢复方程组成。我们引入了一个流行病的标准,并检查不同的疫苗接种/遏制策略:我们证明,这是最有效的接种最高程度的节点。该模型还有助于评估解除监禁的情景,并防止所谓的第二波。该模型的参数很少,能够拟合数据和输入感染者的基本成分;这些特征对于当前的COVID-19疫情尤为重要。
2020-09-24 nlin.PS physics.soc-ph
Missing Link Identifcation Using SIS Epidemic Traces
网络上SIS流行病的研究强调了网络拓扑结构在传播过程中的作用。然而,SIS流行病的准确模型依赖于网络拓扑结构的完整知识,这通常是不可用的。本文解决了从观察到的感染时间痕迹推断网络拓扑结构的问题,特别是在网络拓扑结构是部分已知或已知的一些不确定性。我们提出了一种贝叶斯方法来推断网络中不确定链接的后验概率,并推导出这些概率的封闭形式方程。我们还提出了一个数值方法的基础上吉布斯采样时,不确定的链接数量很大,使用封闭形式的方程变得不切实际。数值结果表明,所提出的方法分配高概率的现有的链接和低概率的网络不存在的链接时,SIS痕迹是足够长的能力。
2017-07-21 physics.data-an physics.soc-ph
Pairwise-like models for non-Markovian epidemics on networks
在这封信中,一个推广的成对模型的非马尔可夫网络上的流行病。对于固定长度的传染期的情况下,由此产生的成对模型是一个系统的延迟微分方程(DDE),这表明基于显式随机模拟的非马尔可夫网络上的流行病的结果非常一致。此外,我们解析计算一个新的R0样的阈值量和一个隐含的分析关系,这和最终的流行规模。此外,我们表明,成对模型和分析计算可以推广到任何分布的传染期的积分微分方程,我们说明了这一点,提出了一个封闭的形式表达的最终流行病的大小。通过展示非马尔可夫网络流行病和成对DDE之间的严格数学联系,我们提供了一个框架,更深入,更严格地理解非马尔可夫动态的影响,最终的流行病规模和阈值数量的明确结果。
2015-04-17 math.DS physics.soc-ph q-bio.PE
Equation-Free Multiscale Computational Analysis of Individual-Based Epidemic Dynamics on Networks
National Technical University of Athens(雅典国立技术大学)
提出无方程方法与模拟退火优化相结合,从基于个体的微观模拟中提取粗粒度系统级分析,高效计算稳态、分岔及稳定性,避免显式宏观闭包。
2010-12-19 cs.NA cs.SI math.NA
Modeling and simulating the spatial spread of an epidemic through multiscale kinetic transport equations
在这项工作中,我们提出了一个新的空间依赖的多尺度模型的传染病的传播在一个二维的空间背景下,现实的地理场景。该模型耦合动力学运输方程系统描述的人口通勤移动在一个大规模(城市外)的扩散方程系统的特点,非通勤人口在一个小规模(城市)。该建模方法可以避免传统的流行病学扩散模型的不切实际的影响,如大规模的无限传播速度和大规模迁移动力学。基于动力学理论的运输形式主义的建设,可以给一个明确的模型解释感染和易感之间的相互作用,在房室空间依赖性模型。此外,在一个合适的尺度限制,我们的方法允许耦合两个人口通过一个一致的扩散模型作用在城市规模。基于非结构化网格上有限体积的离散化系统,结合时间上的渐近保持方法,表明该模型能够正确地描述流行病的空间扩展的主要特征。最后提出了对COVID-19初始传播的应用。
2020-12-18 cs.NA math.NA physics.soc-ph
Epidemic Conditions with Temporary Link Deactivation on a Network SIR Disease Model
传染病的传播取决于疾病的内在特性以及人口的联系和行动。本研究探讨了SIR型模型的动力学,该模型解释了人类避免感染的倾向,同时也保持了预先存在的人际关系。具体来说,我们使用了一个网络模型,在这个模型中,个体概率性地停用与受感染个体的连接,然后在恢复后重新连接到相同的个体。为了分析这个网络模型,平均场近似由一个系统的14个常微分方程的节点和边缘的数量。这个方程组是封闭的使用矩封闭近似的三重链接的数量。通过对微分方程的分析,证明了除了感染力和恢复率外,网络中的失效边概率和网络的平均节点度也决定了是否发生流行病.
2021-07-22 math.DS physics.soc-ph q-bio.PE