| 戴剑勇,张雨婷,李佩东,高文卉,张澳.病毒传染分数阶网络动力学分析[J].南华大学学报(自然科学版),2024,(5):90~96.[DAI Jianyong,ZHANG Yuting,LI Peidong,GAO Wenhui,ZHANG Ao.Fractional-order Network Dynamics Analysis of Viral Transmission[J].Journal of University of South China(Science and Technology),2024,(5):90~96.] |
| 病毒传染分数阶网络动力学分析 |
| Fractional-order Network Dynamics Analysis of Viral Transmission |
| 投稿时间：2024-01-28 |
| DOI： |
| 中文关键词: 流行病动力学 分数阶 复杂网络 SEIQRDP模型 |
| 英文关键词:epidemic dynamics fractional order complex network SEIQRDP model |
| 基金项目:湖南省教育厅重点资助科研项目(18A235) |
| 作者 | 单位 | E-mail | | 戴剑勇 | 南华大学 资源环境与安全工程学院,湖南 衡阳 421001
核设施应急安全作业技术与装备 湖南省重点实验室,湖南 衡阳 421001 | daijy13@163.com | | 张雨婷 | 南华大学 资源环境与安全工程学院,湖南 衡阳 421001
核设施应急安全作业技术与装备 湖南省重点实验室,湖南 衡阳 421001 | | | 李佩东 | 南华大学 资源环境与安全工程学院,湖南 衡阳 421001
核设施应急安全作业技术与装备 湖南省重点实验室,湖南 衡阳 421001 | | | 高文卉 | 南华大学 资源环境与安全工程学院,湖南 衡阳 421001
核设施应急安全作业技术与装备 湖南省重点实验室,湖南 衡阳 421001 | | | 张澳 | 南华大学 资源环境与安全工程学院,湖南 衡阳 421001
南华大学 经济管理与法学学院,湖南 衡阳 421001 | |
|
| 摘要点击次数: 5 |
| 全文下载次数: 2 |
| 中文摘要: |
| 为更加精准地拟合和预测流行病病毒的动态传播趋势,提出分数阶网络动力学分析方法。考虑病毒感染特性,应用流行病动力学方法构建易感—潜伏—感染—隔离—恢复—死亡—免疫(susceptible-exposed-infected-quarantine-recovered-death,SEIQRDP)模型,建立具有记忆效应的分数阶复杂社交网络SEIQRDP模型,应用最小二乘法和预测校正方法,对所提出的模型进行拟合和预测,以湖北、四川和安徽三个不同地区的真实新型冠状病毒感染数据为例进行验证。结果表明:与整数阶相比,分数阶复杂网络模型的均方根误差(root mean squared error,RMSE)值更小,能够更好地拟合真实数据。 |
| 英文摘要: |
| In order to precisely capture and forecast the dynamic transmission patterns of epidemic viruses, a novel method for fractional-order network dynamics analysis has been introduced. Initially, taking the virus's infection characteristics into account, the susceptible-exposed-infected-quarantine-recovered-death (SEIQRDP) model is formulated through conventional epidemic dynamics techniques. Subsequently, a fractional-order complex social network SEIQRDP model that incorporates memory effects is developed, and the model is refined and predicted using the least squares method and prediction correction method. Finally, validation of the proposed model is conducted using actual infection datasets from three distinct regions—Hubei, Sichuan, and Anhui. The findings reveal that the fractional-order complex network model outperforms integer-order models by exhibiting a reduced root mean squared error (RMSE) value and a superior ability to fit real data. |
| 查看全文 查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|