关键词:
复杂网络
数学模型
传染病动力学
稳定性
数值模拟
摘要:
21世纪的今天,传染病仍然是威胁整个人类安全的一个重要问题,研究传染病传播规律对制定其控制策略有着积极的意义。传染病动力学是通过建立数学模型进而从理论上研究传染病传播规律的学科。基于复杂网络研究传染病模型考虑了接触的异质性,比传统的传染病模型更加贴近现实。本文主要利用复杂网络的平均场理论,针对传染病的传播,基于度分布建立复杂网络平均场模型,并对模型进行理论分析,包括分析模型解的可行域,计算基本再生数,讨论无病平衡点和地方病平衡点的局部和全局渐近稳定性,并对模型进行仿真。本文的主要研究内容包括:(1)针对无症状感染者能传播疾病但难以发现的特点,在复杂网络上建立模型来描述复杂网络上具有无症状传染源的传染病的传播,并研究模型的全局动力学行为。我们讨论了模型解的可行域,并采用下一代矩阵的方法,求解基本再生数的表达式,并给出无病平衡点和地方病平衡点全局渐近稳定的条件。基本再生数的表达式表明无症状感染者在疾病传播中会减小传播阈值。最后,数值模拟也表明无症状感染者在网络疾病传播中的作用不容忽视。(2)针对季节性和接触的规律性会产生传染病周期性动力学的这一事实,在复杂网络上建立了带周期传染率模型,以研究周期性传播和接触异质性对季节性疾病感染阈值和动力学的协同影响。我们讨论了模型解的可行域,给出了基本再生数的计算公式,并得到无病平衡点全局渐近稳定的条件以及地方病周期解的存在和全局渐近稳定的条件。最后数值模拟发现接触的异质性对加速疾病传播和增加周期稳态解的振幅起着重要的作用。这些结果说明,在制定控制疫情的政策时,需要重视造成季节性疾病周期性模式和接触模式的因素。(3)针对某些疾病,如疱疹和肺结核,在感染者感染后的演化过程中存在不完全恢复和复发的现象,在复杂网络上建立了一类带有不完全恢复和复发的传染病模型,并研究了其全局动力学行为以及不完全恢复和复发带来的影响。我们讨论了模型解的可行域,并采用下一代矩阵的方法,求解基本再生数的表达式,对模型平衡点进行稳定性分析。此外,考虑到疫苗接种控制策略,建立接种最优控制问题,并进行求解。最后对理论结果进行了仿真。结果显示复发会减少疾病传播阈值,并且影响接种的效果。(4)考虑接种、隔离和治疗三种控制措施实施与否的七种可能组合,在复杂网络上建立时变的最优控制问题,讨论最优控制的存在性,求解最优控制。并通过仿真进行一系列对比,讨论最优控制与常系数控制的优劣、七种可能组合的优劣以及三种措施的优劣。结果显示短期内接种的效果最弱,常系数接种控制也具有实用价值。(5)针对COVID-19的传播,建立了传染病模型并讨论了其全局动力学行为。我们讨论了模型解的可行域,并采用下一代矩阵的方法,求解基本再生数的表达式,并得到无病平衡点和地方病平衡点全局渐近稳定的条件。最后将模型推广到复杂网络上,并研究无病平衡点的全局稳定性。