混合網絡中疾病傳播數值探析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了混合網絡中疾病傳播數值探析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:提出一種比較實際的人群交往網絡模型，在此網絡模型中，節點的偏好連接與隨機連接共存。通過數值模擬疾病傳播過程發現，概率p減小，隨機連邊增加，會導致SI型疾病傳播時間縮短、SIS型疾病中節點染病密度增加、傳播閾值減小等相關不利影響，但在SIR型疾病中會有相反的變化:感染概率一定，較小的康復概率中，I態節點密度減小;較大的康復概率中，I態節點消亡時間縮短，依此理論來指導實際的疾病預防工作，具有一定的參考價值。

關鍵詞:混合網絡;偏好;隨機;疾病傳播

復雜網絡的研究一直以來都是人們關注的重要課題［1－2］，如復雜網絡模型、復雜網絡的疾病傳播［3－4］與控制、復雜網絡的同步［5］等。設計與實際網絡更為接近的網絡模型是復雜網絡的基礎。目前，規則網絡、ER隨機網絡、NW小世界網絡、Scale－free無標度網絡、衰減網絡［6］、等級網絡［7］等都是比較實際的網絡模型。從這些網絡特點可以看出，其具有與實際相符的內在演化機制，如規則、隨機、偏好、衰減、等級等，因此提出與實際人群關系網絡更為接近的網絡模型，更能準確反映實際網絡的拓撲特性和相關動力學。現實生活中，人群交往在一個小的人群范圍內，人與人彼此都認識，他們之間的交往可能按照偏好機制，當人群范圍擴大，人與人之間就不可能都認識，那么他們的交往就可能部分是隨機的、偶然的，也可以理解為現實網絡不僅有節點的偏好連接，當節點增加到一定范圍后，也有內部節點的隨機連接。

1網絡模型

開始時網絡中有m個節點，彼此任意連接(不重連，m=3)。每一個單位時間加入一個新節點，它與m個舊節點相連。新節點j與舊節點i相連的幾率∏j→i與節點i的度值成正比:當節點數量大于N0=1000，以p的概率節點增加的偏好連接，以1－p概率節點內部隨機連邊(不重連)，連邊數量與偏好連接數量相等。網絡按步驟循環，直到達到規定節點數量N。為了與實際網絡吻合，內部連邊概率不宜過大(p≤0.5)，否則網絡會趨近隨機網絡(也就是p=0)。

2數值模擬結果與討論

2.1度分布與平均度

在有限尺度的均勻網絡(隨機網絡)和非均勻網絡(無標度網絡)中，平均度＜k＞與度分布P(k)是網絡拓撲結構的重要參數，也是對流行病傳播動力學影響比較大的因素［8－9］。從圖1來看，當概率p=1時，網絡是BA網絡，度分布呈冪率分布γ=－3，當概率p=0.7和p=0.5時，偏好連接減小，隨機內部連邊增加時，度分布P(k)冪率分布的情況不再保持，曲線尾部開始轉向隨機網絡的度分布—泊松分布，也是網絡由非均勻網絡向均勻網絡過渡，其中p=0.7時，網絡度分布呈現與實證合作網相同的度分布，由此可以推斷實際網絡應該是這兩種機制共存的混合網絡。圖2中，當概率p=1時，平均度＜k＞=6，隨著概率p減小，隨機內部連邊增加，平均度＜k＞也逐漸增加，且呈非線性變化。

2.2傳播動力學

復雜網絡上流行病傳播動力學基于流行病模型，常見的流行病模型有:SI、SIS、SIR(S代表易感人群，I代表感染人群，R為免疫人群)，選取了這三種經典流行病模型進行模擬研究。2.2.1SI模型在SI模型中，總人數N(也就是網絡的尺度)被認為是常數，S(t)和I(t)是易感染個體和染病個體的數量，相應的N=S(t)+I(t)。在SI模型中，傳播概率被定義為λ，易感染個體通過其染病近鄰個體而被感染，同時，模型中的染病個體始終保持染病狀態，不能康復。在SI流行病模型的模擬中，選取了N=10000，隨機選擇初始染病節點50個，傳播概率λ=0.01進行模擬，ρI代表染病節點數占總數的比例(染病節點的密度)。從圖3來看，隨著概率p的減小，隨機連邊增加，節點染病密度ρI隨時間演化曲線保持一致，但流行病蔓延整個網絡的時間縮短，p=1，t≈150;p=0.5，t≈100。從三者曲線比較來看，在每一個時間步，p=0.5的概率所占據的染病節點密度最大。因此，此類流行病爆發后，盡量減少與陌生人接觸(節點的隨機加邊)，是控制此類疾病傳播范圍的有效措施。2.2.2SIS模型在SIS傳播模型中，個體在網絡中的狀態是一個循環的過程:易感染態—感染態—易感染態。在每一個時間步，每一個易感染節點被其一個或多個染病近鄰以概率ν感染，同時染病的個體以δ(一般情況下，取δ=1)的概率被治愈或再次變成易感染的狀態。SIS模型中，有效的傳播概率定義為:λ=ν/δ，染病個體的密度(染病個體數目占總人數的比例)ρI。在SIS流行病模型的模擬中，選取N=10000，隨機選擇初始染病節點為50個，感染概率ν，康復概率δ=1進行模擬，有效的傳播概率為:λ=ν/δ=ν/1=ν，ρI代表感染節點數占總數的比例(染病節點的密度)。從圖4整體上可以看出，流行病傳播到一定時間會形成穩態，疾病以一定的密度ρI維持在人群網絡中，不會消失。概率p的變化不影響染病節點密度ρI隨時間變化的曲線形態。在有效傳播概率λ一定，隨著概率p的減小，染病節點形成穩態的密度會逐步增加，從p=1，ρ(I)≈0.08增加到p=0.5，ρ(I)≈0.28。在圖5中發現，當概率p減小，隨機加邊增加，不同疾病傳播概率(λ=0.5)情況下，穩態密度隨概率p存在近似的線性變化。在SIS傳播模型中，傳播臨界值λC也是重要的一個參數，當傳播概率λλC，疾病會傳播開來，并維持在一定范圍。λ＜λC，疾病不會傳播開來，逐漸消失。從圖6可以看出，整體的傳播臨界值都很小，當概率p=1時，網絡為BA網絡，此時傳播臨界值λC≈0.068，隨著概率p減小，隨機連邊增加，傳播臨界值λC逐漸減小，當p=0.5時，傳播臨界值下降到λC≈0.046。理論上認為，在均勻網絡中，λC≈1＜k＞［10－11］，因此從平均度＜k＞逐步增加的變化曲線可以驗證，在數值模擬中傳播閾值逐步減小。2.2.3SIR模型在SIR傳播模型中，R為免疫態，即治愈后并獲得免疫能力的個體，這類節點不具有傳染能力。實際生圖6傳播臨界值λC隨概率p變化曲線Fig.6CurveofspreadcriticalvalueλCwithp活中，水痘這類治愈后獲得免疫的傳染病，往往可以用SIR模型來描述。在每一個時間步，每一個易感染節點被其一個或多個染病近鄰以概率ν感染，同時染病的個體以δ的概率被治愈并不再被傳染。三種狀態個體的密度S(t)，R(t)，I(t)隨時間變化的曲線如圖7、8所示。選取N=10000，隨機選擇初始染病節點為50個，(1)感染概率ν=0.1，康復概率較小δ=0.02進行模擬，見圖7。(2)感染概率ν=0.1，康復概率較小δ=0.3進行模擬，見圖8。兩者圖像整體比較，康復概率較小和康復概率較大，R態呈現出不同的變化曲線。從圖7來看，S態節點最終在網絡中不存在，網絡節點只存在I態和R態，當康復概率較小時，概率p減小，隨機連邊增加，三種狀態整體曲線形態沒有改變，S態節點密度在相對消亡時間上有所延長(p=1，t=9;p=0.5，t=25)，I態節點密度減小，R態節點密度近似線性增加。從圖8來看，有小部分S態節點存在網絡中，當概率p減小，隨機連邊增加，I態節點消亡時間上縮短，S態節點密度會減小(p=1，ρ(S)≈0.39;p=0.5，ρ(S)≈0.19)，R態節點密度增加，I態節點最終在網絡中消亡，網絡中只存在S態和R態的節點。可以說，大的康復概率對疾病的消亡更有利，當然這取決于更有效的免疫藥物、更好的醫療水平能讓病人在短時間內康復。

3總結

提出隨機和偏好機制共存的網絡－混合網絡，并在此網絡上數值模擬流行病傳播的相關過程，發現概率p減小，隨機連邊增加，會帶來SI型疾病傳播時間縮短、SIS型疾病中節點染病密度增加、傳播閾值λC減小等相關不利影響，但在SIR型疾病中會有相反的變化:感染概率一定，較小的恢復概率中，I態密度減小;較大的恢復概率中，I態消亡時間縮短，依此理論來指導實際的疾病預防工作，具有一定的參考價值。

作者:吳曉 單位:海南醫學院物理教研室