Extreme outbreaks in non-Markovian epidemics on complex networks
Racah Institute of Physics, The Hebrew University（拉卡物理学研究所，希伯来大学）
研究复杂网络非马尔可夫流行病极端爆发风险，通过映射非马尔可夫SIR动力学为有效马尔可夫描述来确定爆发规模分布，能纳入任意感染和恢复时间统计，为网络级极端爆发风险定量预测提供途径。
2026-07-28 cond-mat.stat-mech physics.comp-ph physics.soc-ph
A markovian random walk model of epidemic spreading
我们分析了一个图上的独立随机游走种群的动力学，并建立了一个简单的传染病传播模型。我们假设每个步行者独立地访问有限遍历图的节点在离散时间马尔可夫行走由他的特定的转移矩阵。在这个假设下，我们首先推导出再生数的上界。然后，我们假设一个步行者处于以下状态之一：易受感染、感染或康复。一个有传染性的步行者在一定的特征时间内保持传染性。如果一个有传染性的步行者在同一个节点上遇到一个易感的步行者，那么易感的步行者就有一定的概率被感染。通过在计算机模拟中实现这一假设，我们研究了新出现的感染模式的时空演变。一般来说，随机游走方法似乎有很大的潜力，研究传染病传播，并确定相关参数的流行病动力学。
2020-10-15 cond-mat.stat-mech math.PR physics.soc-ph
Some aspects of the Markovian SIRS epidemic on networks and its mean-field approximation
我们研究了SIRS型流行病在网络上接种疫苗的传播。从一个精确的马尔可夫描述的模型，我们调查的平均流行病寿命提供了一个充分条件快速灭绝，依赖于模型参数和网络的拓扑结构。然后，我们通过考虑一个一阶平均场近似的精确模型和它的稳定性，依靠图论的公平分割的概念。在具有这种划分的情况下，我们证明了地方病平衡点可以用一个低维的动力系统来计算。最后，在正则图的特殊情况下，我们研究了地方病平衡点的吸引区域。
2020-11-19 math.DS math.PR q-bio.PE
Large deviations in non-Markovian stochastic epidemics
Racah Institute of Physics, The Hebrew University of Jerusalem（拉卡物理研究所，耶路撒冷希伯来大学）
本文基于连续时间随机游走理论，发展了非马尔可夫性SIR和SIS模型框架，推导了具有有效记忆核的渐近晚期主方程，并分析了SIR模型的最终爆发规模分布和SIS模型的准稳分布及疾病寿命。
2026-04-06 cond-mat.stat-mech q-bio.PE
Computation of epidemic final size distributions
我们开发了一种新的方法，有效地计算流行病的最终规模分布的广泛的一类马尔可夫模型。我们利用一个特殊的表示的随机流行病过程，推导出一种方法，这是计算效率和数值稳定。我们提出的算法在物理上也是透明的，因此允许我们将这种方法从基本的SIR模型扩展到具有阶段型感染期和另一个免疫力减弱的模型。基本理论适用于许多马尔可夫模型，我们希望有效地计算命中概率。
2015-01-05 q-bio.PE
Markovian And Non-Markovian Processes with Active Decision Making Strategies For Addressing The COVID-19 Pandemic
我们使用基于离散区间的模型研究和预测了5月1日至8月31日期间美国六个州的COVID-19演变，并在部分可观察马尔可夫决策过程的广泛框架内，基于最小化损失函数，规定了积极的干预政策，如封锁。对于每个州，分析40天的新冠肺炎数据（北部两个州从5月1日开始，南部四个州从6月1日开始），以估计隔间之间的转移概率和与疫情演变相关的其他参数。然后，这些量被用来预测在不同的政策分配下，在给定的状态下，未来50天（测试期）的流行病的过程，导致在训练范围内损失函数的不同值。最优策略分配是对应于最小损失的策略分配。我们的分析显示，在测试期间，这六个州都不需要封锁，尽管不封锁的规定需要谨慎解释：当然需要继续负责任地使用口罩和保持社交距离。详细讨论了这种流行病传播模型中涉及的注意事项。一个关于Covid-19传播（以及更一般的流行病传播）的非马尔可夫公式的草图被认为是该领域未来研究的一个有吸引力的途径。
2020-08-05 physics.soc-ph q-bio.PE stat.AP
Evaluating the Impact of Epidemic Control via State-Dependent Markovian Switching Modeling
National and Kapodistrian University of Athens（雅典国立卡波季斯特里安大学）；Université de Lorraine（洛林大学）；CentraleSupélec, Université Paris-Saclay（巴黎萨克雷大学中央理工-高等师范学院）
该研究通过状态依赖马尔可夫切换模型评估疫情防控影响，开发有限种群随机框架，利用易感群体单调性推导递归，得出相关分布和矩，用卢森堡猴痘数据校准模型并比较不同控制方案，显示切换机制对感染数和灭绝时间的影响。
2026-07-24 math.PR q-bio.PE stat.ME
Exact equations for SIR epidemics on tree graphs
我们认为马尔可夫不确定性传染性删除（SIR）动力学的时不变加权接触网络的感染和删除过程是泊松和网络链接可能是有向或无向的。我们证明了一个特定的基于对的时刻封闭表示生成预期的传染性时间序列的网络中没有周期的基础图。此外，这种复杂的异质和有限马尔可夫系统的预期行为的“确定性”表示是直接的数值评估。
2013-12-18 math.PR q-bio.PE
Real-time growth rate for general stochastic SIR epidemics on unclustered networks
网络已成为传染病流行病学的重要工具。大多数以前的理论研究的传播网络模型，要么考虑简单的马尔可夫动力学在个人层面上，或集中在入侵阈值和最终的结果的流行病。在这里，我们提供了一个通用的理论早期实时行为的流行病的大型配置模型网络（即静态和局部非集群），特别是专注于计算马尔萨斯参数，描述了早期的指数流行病的增长。分析，数值和蒙特卡罗方法下的各种各样的马尔可夫和非马尔可夫假设的传染性档案。大量的例子提供了明确的量化网络结构对感染传播的时间动态的影响，并为验证大规模模拟的结果提供了一个基准。
2015-04-20 math.PR q-bio.PE
Exact and approximate moment closures for non-Markovian network epidemics
矩闭合技术通常用于生成低维确定性模型，以近似网络上随机系统的平均动态。这种闭合的质量通常难以评估，模型假设和闭合精度之间的关系通常难以量化，如果不是不可能的话。在这里，我们仔细研究了一些常用的矩闭包，特别是一个新的基于最大熵概念的矩闭包，通过重建基于对的三元组的概率分布来近似网络上流行病的传播。我们考虑各种模型（SI，SIR，SEIR和Reed-Frost型）下的马尔可夫和非马尔可夫假设表征的潜伏期和传染期。我们首先研究了两种特殊的网络，即开三角形和闭三角形，我们可以得到分析结果。然后，我们探讨了大量的大图案的时刻关闭的精确性，从而了解的因素，引入误差的近似值，特别是存在的随机持续时间的感染期和重叠的三角形在网络中的存在。我们还得到了一个更简单，更直观的证明比以前可用的已知结果，对基于矩封闭是精确的马尔可夫SIR模型在纯初始条件下的树状网络。我们还将这样的结果扩展到所有传染病模型，包括马尔可夫模型和非马尔可夫模型，其中易感者独立于每个受感染的邻居逃脱感染，并且如果网络是树状的并且初始条件是纯的，则感染者无法重新获得易感状态。这项工作是一个宝贵的一步，在深化理解背后的假设矩封闭近似，并把它们放在一个更严格的数学基础。
2015-05-13 math.PR q-bio.PE
Likelihood-Free Dynamical Survival Analysis Applied to the COVID-19 Epidemic in Ohio
动态生存分析（DSA）是一个基于平均场动态的流行病建模框架，适用于个人（代理）水平的感染和恢复历史。最近，DSA已被证明是一个有效的工具，在分析复杂的非马尔可夫流行病的过程，否则难以处理使用标准方法。DSA的优点之一是它以简单但不显式的形式表示典型的流行病数据，其中涉及某些微分方程的解。在这项工作中，我们描述了一个复杂的非马尔可夫DSA模型可以应用到一个特定的数据集的帮助下，适当的数值和统计方案。这些想法是用俄亥俄州COVID-19疫情的数据例子来说明的。
2022-07-31 math.AP math.DS physics.soc-ph
Modeling Epidemics with Memory Effects: an Open Quantum System Approach
提出一种受量子启发的开放量子系统流行病模型，用 Hilbert 空间形式体系刻画含记忆的 Markov 与半 Markov 传播动力学，并数值分析记忆参数及物理可容许条件。
2025-03-18 math-ph math.MP q-bio.PE
Human mobility and time spent at destination: Impact on spatial epidemic spreading
宿主迁移在传染病的空间传播中起着重要作用。以前的理论工作的基础上集成的网络理论到集合种群框架表明，异质性，真正的移动网络的特点有利于传播的流行病。然而，到目前为止进行的研究假设移动过程是马尔可夫或非马尔可夫与固定的旅行时间尺度。然而，现有统计数据表明，旅行者在目的地停留的时间波动很大，从一天到几个月不等。这种不同的停留时间对宿主之间混合事件的机会和持续时间产生至关重要的影响，因此可能对新出现的疾病的传播产生强烈影响。在这里，我们提出了一个分析和计算研究的流行病过程中的一个复杂的亚群网络，旅客有记忆的起源，并花了一个异质分布的时间间隔在他们的目的地。通过分析计算和数值模拟，我们发现逗留时间的异质性改变了局部爆发和全局入侵之间阈值的表达式，并且在全局爆发的情况下，它改变了系统的流行病行为。此外，我们的理论框架使我们能够研究旅行行为的变化对感染的影响，通过考虑一种情况，其中患病的人不离开他们的家庭位置。最后，我们比较了我们的非马尔可夫框架的结果与经典的马尔可夫方法，并找到两者之间的相关差异，在估计的流行病入侵的潜力，以及其空间传播的时间和模式。
2013-09-25 physics.soc-ph q-bio.PE
Exact deterministic representation of Markovian SIR epidemics on networks with and without loops
在以前的论文中，Sharkey等人。[13]证明了树状网络上马尔可夫SIR（可感染-感染-删除）动态在三元组水平上的闭包的正确性。这导致了网络上流行病动态的确定性表示，可以进行数值评估。在本文中，我们将这种建模框架扩展到某些类别的网络展示循环。我们表明，封闭的循环保持完整是准确的，并导致一个简化的和数值可解的常微分方程（常微分方程）系统。这篇论文的发现使我们对闭包进行了推广，这种闭包是基于围绕割点节点划分网络的（即，删除这样的节点会导致网络分解为至少两个不相交的组件或子网络）。利用网络的这种结构性质产生了一些自然闭包，其中特定状态的演化通常可以精确地根据子网络和割点上的对应或投影状态给出。这种分析的副产品是Sharkey等人提出的树形网络闭包的精确性的另一种概率证明。在本文中，我们还详细说明了如何将主要结果应用于更现实的网络，为此，我们显式地写下ODE，并将其输出与模拟结果进行比较。此外，我们给出了一个一般的，recipe-like的方法，如何适用于任意网络的闭包技术减少，并给出了一个上界的最大数量的方程的精确表示。
2013-07-29 math.DS math.PR q-bio.PE
Curvature-Weighted Contact Networks: Spectral Reduction and Global Stability in a Markovian SIR Model
本文提出曲率加权接触网络模型，通过曲率正则化降低谱半径，提高流行病阈值，实现对异质网络中流行病动态的全局稳定性分析。
2025-12-25 math.DS math.PR q-bio.PE
Time-dependent non-homogeneous stochastic epidemic model of SIR type
为了更好地描述疾病的传播，我们扩展了Tuckwell和Williams的离散时间随机SIR型传染病模型。我们假设依赖于时间的每日遭遇的数量，并包括一个参数来表示可能的隔离的传染性个人。我们提供了一个分析描述这个马尔可夫模型，并探讨其动态。导出了扩散近似和基本再生数。通过几个模拟，我们展示了疾病的演变是如何受到日常遭遇数量分布及其对时间的依赖性的影响。
2022-09-24 math.PR q-bio.PE
Importance sampling for partially observed temporal epidemic models
我们提出了一个重要性抽样算法，可以产生马尔可夫流行病模型的实现，完全匹配的意见，采取的是一个单一的事件类型在一段时间内的数量。重要性采样可以用于构造有效的粒子滤波器，该粒子滤波器以系统的状态为目标，从而估计执行贝叶斯参数推断的可能性。当用于粒子边缘Metropolis Hastings方案中时，重要性抽样在每单位计算时间的有效样本大小方面提供了大的加速，与简单的自助抽样相比。该算法是一般的，具有最小的限制，我们展示了它如何可以应用于任何离散状态连续时间马尔可夫链，我们希望在一段时间内完全匹配的单个事件类型的数量。
2018-08-15 q-bio.PE
Memory-induced complex contagion in epidemic spreading
尽管流行病模型已经发展成为预测疾病和观点传播的强大工具，但大多数模型都假设无记忆代理和独立的传播渠道。我们开发了一种感染机制，它具有对过去暴露的记忆，同时结合了多种感染源的联合作用。非结构化基质中的易感-感染-易感模型的分析方程和模拟揭示了一个额外阶段的出现，该阶段将通常的健康和流行相分离。这个中间阶段显示出根本不同的特点，系统表现出兴奋性或异国情调的双稳态变体。此外，向地方病的过渡呈现出混合的方面。这些功能是两种记忆模式之间的复杂平衡的产物，并表明非马尔可夫效应显着改变传播过程的属性。
2019-03-04 physics.soc-ph q-bio.PE
Multi-scale simulation of COVID-19 epidemics
COVID-19疫情爆发一年多后，我们仍面临该病毒，很难正确预测其未来数周的传播以及潜在政治干预的影响。目前流行病模型主要有两种方法：一种是分区模型，将人群分为不同的流行病类别，通过微分方程的数学求解来给出宏观的流行病动力学模型，从而可以对流行病的传播进行后验估计;基于代理的模型是给出情况的微观视图的计算机模型，因为每个人被建模为一个自主智能体，允许研究与（异质）个体行为有关的化学动力学。在这项工作中，我们比较了这两种方法，并将它们结合起来，试图利用每种方法的优势，并克服它们的局限性。特别是，基于代理的模拟可以用于细化分区模型的参数值，或预测这些值如何根据所应用的卫生政策而演变。在本报告中，我们讨论了这种方法组合的条件，以及未来的改进。
2021-12-02 cs.CY cs.MA physics.soc-ph
A stochastic geospatial epidemic model and simulation using an event modulated Gillespie algorithm
我们开发了一个模型和一个软件包，用于COVID-19和其他类似传染病传播的随机模拟，该模型和软件包考虑了接触网络结构和人口密度的地理分布，详细到个人位置的水平。我们的分析框架包括一个代理模型优化过程，用于将模型参数快速拟合到观察到的病例、住院和死亡的流行曲线。这套工具（模型、模拟代码和优化器）是政策制定者和流行病应对团队的有用工具，他们可以用它来预测当地环境（从城镇到大国）的流行病发展情景，并设计最佳应对策略。模拟代码还包括一个地理空间可视化子系统，直接在人口密度图上呈现流行病场景的详细视图。我们使用开发的框架来预测COVID-19在瑞士日内瓦州的传播。
2021-05-18 cs.SI q-bio.PE
Agent-based Monte Carlo simulations for reaction-diffusion models, population dynamics, and epidemic spreading
本文综述了基于马尔可夫随机动力学的智能体蒙特卡洛模拟方法，并以反应扩散、种群动力学和流行病传播为例，展示其如何通过可视化与数据分析在本科及研究生教学中实现“做中学”，同时提供实现提示、示例代码和常见错误规避建议。
2025-05-27 cond-mat.stat-mech q-bio.PE
Consistent Approximation of Epidemic Dynamics on Degree-heterogeneous Clustered Networks
现实的人类接触网络能够传播传染病，例如在社会接触调查中的研究，表现出显着的程度异质性和聚类，这两者都极大地影响了流行病的动态。为了理解这两个网络属性对流行病动力学的联合影响，Lindquist等人的有效度模型被重新表述为一个新的矩闭包，以适用于高度聚集的网络。对SIR（Susceptible-Infected-Removed）流行动力学进行了模拟研究，比较了不同的ODE模型和随机模拟，包括对Pellis等人的修正误差行为的检验，提供证据表明，这种新的模型可以比现有的方法更准确地近似复杂网络上的流行病动力学。
2018-10-14 physics.soc-ph q-bio.PE
A non-homogeneous Markov early epidemic growth dynamics model. Application to the SARS-CoV-2 pandemic
本文提出一种非齐次纯生马尔可夫模型，通过感染与免疫竞争机制刻画疫情早期增长，并应用于拉美国家SARS-CoV-2数据，获得免疫率、感染/免疫比和平均感染间隔三个指标以评估防控效果。
2025-03-10 math.PR q-bio.PE
A numerical simulation of the COVID-19 epidemic in Argentina using the SEIR model
一场由新型冠状病毒引起的大流行病在全球蔓延，影响到了阿根廷。我们实施了一个SEIR模型来分析疾病在布宜诺斯艾利斯和邻近城市的演变。使用官方报告的伤亡人数校准模型参数。由于无限的解决方案尊重的数据，我们显示不同的情况。在所有这些地区，繁殖率$R_0$在早期封锁后下降，但随后上升，可能是由于人口密集的贫民窟的传染增加。因此，必须通过应用控制策略来扭转$R_0$的这种增长趋势，以避免大量的感染和死亡个体。该模型提供了一个有效的过程来估计流行病参数（死亡率，传播概率，感染和潜伏期）和监测控制措施在流行病的演变。
2020-07-15 physics.soc-ph q-bio.PE
Quantifying efficiency gains of innovative designs of two-arm vaccine trials for COVID-19 using an epidemic simulation model
流行病期间的疫苗临床试验面临着特殊的挑战，例如快速确定有效疫苗以控制流行病的压力，以及时空变化的感染发生率对试验效力的影响。我们说明了如何使用网络流行病和试验模拟模型，基于COVID-19和具有二元结局的单独随机化双臂试验，评估不同试验设计元素的操作特征。我们表明，如果观察到的病例有足够多的接触者处于高风险，那么优先考虑感染高风险参与者的“环形”招募策略可以大幅提高力量。此外，我们还引入了一种新方法，以更有效地利用试验中观察到的最早感染病例的数据，这些病例的感染可能还为时过早，无法通过疫苗预防。最后，我们比较了几种方法的反应自适应随机化，讨论了它们的优点和缺点，在这两个手臂的情况下，并确定特定的适应策略，保持功率和估计属性，同时稍微减少感染的数量，给出了一个有效的疫苗。
2021-05-20 q-bio.PE stat.AP
The Effect of Weekend Curfews on Epidemics: A Monte Carlo Simulation
正在进行的COVID-19大流行正在采取各种方法应对，包括应用疫苗，实验性治疗方案，全面封锁或部分宵禁。周末宵禁是减少感染人数的方法之一，土耳其等一些国家实际上采用了这种方法。在这项研究中，周末宵禁对减少传染病（如COVID-19）传播的影响使用蒙特卡洛算法和混合格模型进行建模。在模拟设置中，使用了一个有三个城镇和26，610名公民的虚构国家作为模型。结果表明，实施周末宵禁可以显著减少活动性病例，是抗击疫情的有效途径之一。研究结果还表明，采取个人预防措施，如社交距离，对减少病例和死亡人数很重要。
2021-11-01 physics.soc-ph q-bio.PE
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
Efficient Stochastic Simulation of Network Topology Effects on the Peak Number of Infections in Epidemic Outbreaks
本文研究了接触网络结构对传染病爆发动力学的影响。特别是，我们专注于严重感染节点（PCIN）的峰值数量，确定重症监护病房的最大工作量，应保持较低。作为一种模型和仿真方法，我们开发了一个连续时间马尔可夫链（CTMC）模型和一个有效的模拟基于Gillespie的随机模拟算法（SSA）。这种方法结合了一个现实的近似的随机过程不依赖于平均场模型的假设和大的渐近大人口规模的微分方程模型，并在同一时间有效的方式来模拟网络的中等规模。根据COVID-19爆发的数据和乌克兰的人口数据，对不同情景下的方法进行了分析。从这些结果中，我们提取网络拓扑结构的功能，需要考虑有效地减少感染的峰值数量。CTMC模拟是在python中实现的，并集成在一个仪表板中，可用于交互式探索，并公开提供。
2022-02-27 cs.SI physics.soc-ph q-bio.PE
Spread of variants of epidemic disease based on the microscopic numerical simulations on networks
本研究基于网络理论开展微观流行病模型数值模拟，发现病毒变异株传染性强于原始株时会快速扩散，传播速率随感染强度非线性增长，该现象可用接触过程的动态吸收态解释。
2021-12-28 physics.soc-ph q-bio.PE
How to estimate epidemic risk from incomplete contact diaries data?
社会互动塑造了种群中传播过程的模式。诸如日记或接近传感器之类的技术允许收集关于相遇的数据并在个体之间建立联系网络。然而，从这些不同技术获得的接触网络在数量上是不同的。在这里，我们首先展示了当这些数据被输入到流行病传播的数值模型时，这些差异如何影响流行病风险的预测：低参与率、接触者的低报告和接触日记中相对于传感器数据的接触持续时间的高估确定了相应模拟结果的确实重要差异{例如，对初始条件的对初始条件的敏感性增强}。最重要的是，我们研究了从接触日记中收集的信息是否以及如何用于此类模拟，以准确描述流行病风险，假设来自传感器的数据代表地面真相。从接触传感器和日记建立的接触网络确实存在几个结构上的相似性：这表明有可能只使用接触日记网络信息来构建代理接触网络，使得使用该代理网络的模拟与使用接触传感器网络的模拟给出相同的流行病风险估计。我们提出和{比较}几种方法来建立这样的替代数据，并表明，它确实是可能的，以获得一个很好的协议使用替代和传感器数据的模拟结果之间，只要接触日记信息的补充公开可用的数据描述的异质性的人类接触的持续时间。
2016-06-27 cs.SI physics.soc-ph q-bio.PE
Simulation of Covid-19 epidemic evolution: are compartmental models really predictive?
IMT School for Advanced Studies Lucca（卢cca高等研究院）；TREE-TOWER S.R.L.（TREE-TOWER有限责任公司）
模拟严重急性呼吸综合征冠状病毒2型（SARS-CoV-2）流行演变的计算模型将非常有用，有助于支持当局设计医疗保健政策和封锁措施，以遏制其对公共卫生和经济的影响。在意大利，设计的预测主要基于纯数据驱动的方法，通过拟合和推断意大利民防中心收集的流行病演变的公开数据。在这方面，SIR流行病学模型，从人口隔间之间的非线性相互作用的描述开始，将是一个更可取的方法来理解和预测集体紧急反应。目前的贡献解决了一个基本的问题，是否SIR流行病学模型，适当地丰富了无症状和死亡的个人隔间，能够提供可靠的预测流行病的演变。为此，提出了一种基于粒子群优化（PSO）的机器学习方法自动识别模型参数的基础上逐步增加的大小的训练数据集，考虑在意大利伦巴第大区作为案例研究。对预测中的分散性的分析表明，模型预测对用于训练的数据集的大小非常敏感，并且仍然需要更多的数据来实现收敛-从而可靠-预测。
2020-04-14 cs.LG physics.soc-ph q-bio.PE
A simulation of a COVID-19 epidemic based on a deterministic SEIR model
一种由新型冠状病毒引起的流行性疾病在意大利北部蔓延，传染率很高。我们实现了一个SEIR模型来计算这种流行病的感染人口和伤亡人数。这个例子最好是关于意大利伦巴第大区的情况，那里的流行病于2月25日开始。我们用迄今为止（2020年5月5日）的死亡人数校准了模型，并根据文献中报道的值对参数进行了约束。峰值大约出现在第37天（3月31日），此时繁殖率迅速下降，最初繁殖率R0 = 3，第22天为1.36，第35天后为0.8，表明不同程度的封锁。预计死亡人数约为15600人，疫情结束时有270万人感染。提供死亡个体更好拟合的潜伏期为4.25天，感染期为4天，死亡率为0.00144/天[数值基于报告的（官方）伤亡人数]。感染死亡率为0.57%，如果假设两倍于报告的伤亡人数，则为2.36%。然而，这些比率取决于最初接触的个人。如果暴露的人数增加约9倍，则在疫情结束时感染人数增加3倍，IFR = 0.47%。如果我们放松这些限制，并使用更大范围的潜伏期和感染期的下限和上限，我们观察到，更长的潜伏期（13天对4.25天）给出相同的IFR（0.6%对0.57%），但在第一种情况下，暴露的个体多9倍。因此，死亡率的准确确定取决于对这一流行病特点的了解。
2020-05-10 physics.soc-ph q-bio.PE
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
Generalized Machine Learning for Fast Calibration of Agent-Based Epidemic Models
本文提出DeepIMC框架，利用BiLSTM神经网络快速校准基于代理的流行病模型，提升参数估计精度并大幅降低计算时间。
2026-04-02 cs.LG q-bio.PE stat.ME
How many outbreaks before an epidemic?
Sapienza University of Rome（罗马第一大学）
本文研究了Reed-Frost模型中流行病规模的双峰分布特性，并通过几何分布理论解释了小规模和大规模爆发的概率，验证了该模型在新冠爆发中的适用性。
2025-11-18 math.PR math.ST q-bio.PE
Effective Resistance for Pandemics: Mobility Network Sparsification for High-Fidelity Epidemic Simulation
网络科学已日益成为流行病学领域和我们应对传染病威胁能力的核心。然而，许多从现代数据集衍生的网络不仅很大，而且很密集，边与节点的比率很高。这包括人类移动网络，其中大多数位置与许多其他位置有大量链接。模拟大规模流行病需要大量的计算资源，在许多情况下实际上是不可行的。减少在这些网络上模拟流行病的计算成本的一种方法是稀疏化，其中基于其重要性的某种度量来选择具有代表性的边缘子集。我们测试了几种稀疏化策略，从天真的阈值到随机采样的边缘，从美国的移动数据在计算机科学最近的工作，我们发现，最准确的方法使用的有效电阻的边缘，优先边缘，这是唯一有效的方式，他们的端点之间旅行。由此产生的稀疏网络保留了SIR模型行为的许多方面，包括全局量（如流行病规模）和随机事件的局部细节，包括每个节点被感染的概率及其到达时间的分布。即使稀疏网络保留的原始网络边缘少于$10\%$，这也成立。除了它的实际效用，这种方法有助于阐明加权，无向网络的哪些环节是最重要的疾病传播。
2022-07-26 cs.SI physics.soc-ph q-bio.PE
A class of pairwise models for epidemic dynamics on weighted networks
在本文中，我们研究了无向加权网络上的$SIS$（易感染-感染-易感）和$SIR$（易感染-感染-消除）流行病模型，通过推导成对型近似模型和基于个体的网络模拟。两种不同类型的理论/合成加权网络模型被认为是。这两种模型都是从具有固定拓扑的非加权网络开始，然后以（i）随机或（ii）固定/确定性方式分配链路权重。成对模型制定了一个一般的离散分布的权重，这些模型结合网络模拟，以评估不同的权重分布的影响流行阈值和动态一般。对于$SIR$动力学，基本的再生比$R_0$计算，我们表明，（i）对于两个网络模型$R_{0}$是最大化的，如果所有的权重都是相等的，和（ii）当两个模型是平等匹配的，网络与随机的权重分布引起更高的$R_0$值。该模型还用于探索不同参数组合的成对模型和模拟模型之间的协议。
2012-08-29 math.DS math.PR nlin.CD
