基于自治计算的流行病传播网络建模与推断

摘要

基于自治计算的流行病传播网络建模与推断，包括下列步骤：采用多自治体建模流行病传播网络和流行病传播过程，采用蒙特卡罗模拟和负反馈机制从流行病监控数据中推断出传播网络结构及与流行病有关的生物学参数。本发明为流行病监控与防治提供了一种新方法，与现有方法相比，本发明具有如下主要优点：1)提供了一种适应范围更广的流行病传播网络建模方法；2)提供了一种有效的流行病传播网络推断方法，可从流行病监控数据中推断出流行病传播网络结构以及与流行病有关的生物学参数；3)本发明所提供的方法可用于流行病风险评估和流行病防治策略的有效性验证。

主权项

一种基于自治计算的流行病传播网络建模与推断方法，其特征在于，包括如下步骤：101：构造模拟流行病传播过程的自治体系统，命名为D‑AOC系统；102：采用蒙特卡罗模拟和负反馈机制，从流行病监控数据中推断出D‑AOC系统的参数，包括流行病传播网络和与流行病有关的生物学参数；步骤101中所述的构造模拟流行病传播过程的自治体系统，按照如下步骤建模流行病传播网络和自治体：1)：建模流行病传播网络流行病传播网络包含N个节点，节点可表示具有不同大小的空间区域或者表示复合群体，节点间的链接表示流行病传播途径，链接权重表示传播强度，流行病传播网络表示为一个N×N矩阵A＝[a_ij]_N×N，a_ij表示节点i与节点j的链接权重，满足0≤a_ij≤1和2)：建模自治体步骤2)中所述的建模自治体，按照如下步骤定义自治体和自治体的状态转换规则：2‑1)：定义自治体流行病传播网络中包含N个节点，节点i中自治体定义为如下的一个5元组：(i，s，β_i，γ_i，τ_i)其中，i表示自治体所在网络节点的标识符，s表示自治体当前所处的状态，自治体在每个时刻处于S易感、E潜伏、I感染和R恢复四种状态之一，β_i，1/γ_i，1/τ_i分别表示节点i中自治体对流行病的抵抗力、流行病的潜伏期和患病之后的康复期，满足0≤β_i，γ_i，τ_i≤1，令B＝(β₁，…，β_N)，H＝(γ₁，…，γ_N)，F＝(τ₁，…，τ_N)，向量B，H和F表示与流行病相关的生物学参数；2‑2)：定义自治体的状态转换规则规则1：当位于节点i中的自治体处于S状态时，将以的概率进入E状态，称为节点i在t时刻的感染强度，由自治体对流行病的抵抗力和流行病传播网络共同决定，计算如下：${\lambda }_i^{\left(t\right)}={\beta }_i{\Sigma }_{j=1}^N\frac{I_j^{\left(t\right)}}{P_j^{\left(t\right)}}{a}_{\text{ij}}$其中β_i表示节点i中自治体对流行病的抵抗力，表示t时刻节点j中处于I状态的自治体数目，表示t时刻节点j中自治体的总数，a_ij表示节点i和节点j之间的网络链接权重；规则2：自治体处于E状态已经持续1/γ_i时间后进入I状态；规则3：自治体处于I状态已经持续1/τ_i时间后进入R状态；规则4：自治体进入R状态后则永久停留在该状态，意味着它获得了对流行病的终身免疫。