(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111303266.X (22)申请日 2021.11.05 (71)申请人 上海大学 地址 200444 上海市宝山区上 大路99号 (72)发明人 王冰　洪潇　韩越兴　 (74)专利代理 机构 上海上大专利事务所(普通 合伙) 3120 5 代理人 何文欣 (51)Int.Cl. G16H 50/80(2018.01) G06F 30/20(2020.01) G06F 119/14(2020.01) (54)发明名称 动态多源信息和行为响应作用下的信息— 流行病协同演化分析方法 (57)摘要 本发明公开了一种动态多源信息和行为响 应作用下的信息—流行病协同演化分析方法， 先 构建节点部分耦合的多层时序网络模 型； 再构建 无意识‑意识‑无意识、 易感 ‑感染‑易感模型分析 信息—流行病的传播动力学过程； 接着描述节点 的流行病状态和 信息状态的转换， 推导流行病阈 值βc； 然后模拟流行病传播和信息扩散的动态 演化过程； 最后统计稳态时网络中感染态节点和 有意识态节 点比例， 完成信息—流行病协同的演 化过程。 本发 明在节点部分耦合的多层时序网络 中考虑个体时变的自我意识和行为响应对信 息—流行病协同演化影 响， 通过微马尔科夫链方 法描述节 点的状态转换， 理论求解了流行病的临 界阈值βc， 为应对COVID ‑19或未来可能爆发的 其它突发流行病的干预和控制提供指导。 权利要求书3页 说明书10页 附图2页 CN 114203309 A 2022.03.18 CN 114203309 A 1.一种动态多源信 息和行为响应作用下的信 息—流行病协同演化分析方法， 其特征在 于： 操作步骤如下： 步骤S1： 构建节点部分耦合的多层时序网络模型； 步骤S2： 构建无意识 ‑意识‑无意识易感 ‑感染‑易感(UAU ‑SIS)模型分析信息—流行病 的传播动力学 过程； 步骤S3： 根据微马尔科夫链方法描述节点的流行病状态和信息状态 的转换， 并推导流 行病阈值βc； 步骤S4： 模拟流行病传播和信息扩散的动态演化过程； 步骤S5： 统计稳态时网络中感染态 节点和有意识 态节点的比例。 2.根据权利要求1所述的动态多源信息和行为响应作用下的信息—流行病协同演化分 析方法， 其特 征在于， 所述 步骤S1具体步骤为： 步骤S1.1： 利用向量(ai,bi)来表示节点i在物理接触层和信息层的活跃度， 分别服从指 数为γa和γb的幂律分布： 步骤S1.2： 利用向量C＝[c1,c2,……， cN]来表示网络层间映射关系， 并可得到物理接触 层和信息层的层间耦合系数 N表示节点总数)。 对于节点i来说， 如果存在层间 映射关系(ci＝1)， 那么节点 i可以接收多源信息或采取 行为响应， 反 之亦然； 步骤S1.3： 每Δt时刻， 瞬时网络中的节点i分别以活跃度ai和bi在物理接触层和信息层 被激活变 为活跃节点并随机 生成mP和mV条边； 非活跃节点不能主动发边， 但能够接收活跃节 点的连边； 步骤S1.4： 网络中所有连边持续时间为Δt； 步骤S1.5： 下一个时刻t+Δt， 删除物理接触层和信息层中瞬时网络的所有连边， 并按 照步骤S1.3生成下一时刻网络； 步骤S1.6： 重复上述 步骤S1.3 ‑S1.5， 直到 达到稳态时间步Tsteady； 在以上整个时序网络构建中， 不允许自环和重复连边。 3.根据权利要求1所述的动态多源信息和行为响应作用下的信息—流行病协同演化分 析方法， 其特 征在于， 所述 步骤S2具体步骤为： 步骤S2.1： 信息层中节点的状态分为无意识态U和有意识态A； 物理接触层中节点的状 态分为易感态S和感染态I； 步骤S2.2： 对于信息扩散来说， 每Δt时刻， 无意识态U节点i被A态邻居通知并以概率λ 转化为A态节 点。 此外， 一旦有意识态A节点i遗忘信息， 会以恢复率δ转化为U态节 点。 特殊的 是， 若节点i存在层间映射关系(ci＝1)， 物理接触层的I态节点i使其信息层的对应节点i产 生自我意识并以概率θP(t)自发地转化为A态节点。 考虑到个体的自我意识会随着流行病的 演化而改变， 假设θP(t)取决于流行病传播的规模， 以促进信息的扩散。 因此， θP(t)与pI(t) 成正比并被定义 为： 这里， θP(t)表示个体在t时刻的自我意识， pI(t)表示t时刻感染个体的比例， P为自我意 识强度；权　利　要　求　书 1/3 页 2 CN 114203309 A 2步骤S2.3： 对于流行病传播来说， 每Δt时刻， 易感态S节点i通过接触I态邻居节点以概 率β 转化为I态节点， 感染态I节点i以概率μ恢复为S态节点。 特殊的是， 若节点i存在层间映 射关系(ci＝1)， 信息层中的有意识节点i使其在物理接触层中的对应节点i采取行为响应， 以减少率θv(t)降低其感染率。 同样， 考虑到个体的行为响应程度会随着信息的演化而改 变， 假设θV(t)取决于信息扩散的规模， 以抑制流行病的传播。 因此， θV(t)与pA(t)成正比并 被定义为： 这里， θV(t)表示个体在t时刻的行为响应， pA(t)表示t时刻有意识个体的比例， V为行为 响应强度。 4.根据权利要求1所述的动态多源信息和行为响应作用下的信息—流行病协同演化分 析方法， 其特 征在于， 所述 步骤S3具体步骤为： 步骤S3.1： 考虑到信息扩散和流行病传播的协同演化， 个体可以被表示为以下四种状 态： 无意识易感态US， 无意识感染态UI， 有意识易感态 AS， 有意识感染态 AI； 步骤S3.2： 节点i在t时刻处于以上四种状态的概率分别用 来 表示； 步骤S3.3： 对于信息层来说， 物理接触层中的S态和I态节点i在信息层保持U态的概率 分别为： 其中， 公式(3)的第二项表示以活跃度bi激活的U态节点i发出的mV条边中， 连接到A态节 点j并且被告知信息的概率， 第三项表示U态节点i接收以活跃度bj激活的A态节点j的连边 并且被告知信息的概率。 公式(4)表示物理接触层中I态节 点i没有被信息层中的A态邻居告 知信息， 同时以概 率1‑θP(t)ci没有自发地 意识到流行病信息的概 率； 步骤S3.4： 对于物理接触层来说， 信息层中的U态和A态节点i在物理接触层保持S态的 概率分别为： 其中， 公式(5)的第二项表示以活跃度ai激活的S态节点i发出的mP条边中， 连接到I态节 点j并且被感染的概率， 第三项表示S态节点i接收以活跃度aj激活的I态节点j的连边并且 被感染的概率。 公式(6)表示信息层中A态节点i在物理接触层采取行为响应以概率1 ‑θV(t) ci降低流行病的感染率并且未被感染的概 率； 步 骤 S 3 .5 ： 根 据 公 式 ( 3 ) ‑( 6 ) ，使 用 微 马 尔 科 夫 链 方 法 ， 可 以 得 到 的动力学演化方程：权　利　要　求　书 2/3 页 3 CN 114203309 A 3