[发明专利]一种基于行为模式的SEIR感染风险模拟方法

说明书

本发明涉及一种基于行为模式的SEIR感染风险模拟方法，该方法通过时序网络将疫情数据划分为不同尺度的数据，以家庭为网络节点，基于行为模式确定网络节点连接关系，构建人群接触网络，采用SEIR模型模拟疫情传播的各个阶段，确定每天的疫情传播情况。与现有技术相比，本发明具有模拟真实性高以及准确性高的优点。

技术领域

本发明涉及韧性城市领域，尤其是涉及一种基于行为模式的SEIR感染风险模拟方法。

背景技术

韧性城市(Urban resilience)，是指城市能够抵御灾害，并且能在灾后快速恢复，保持城市功能的能力。在现代城市中，每一次发生灾害所造成的损失与影响都是十分巨大的，这就突显出韧性城市的重要性。但对于韧性城市来说，在面对各种灾害时，包括疫情、洪水、飓风等，对灾害的掌控与预防是十分重要的，如何及时且有效的进行抵御或者针对性的提前避灾是亟需解决的问题。

关于传染病病毒这种危害健康的疾病一直存在于社会发展之中，虽然现在已经有许多人利用像是SIR、SEIR等模型来模拟病毒的传播过程，并且在过程中都有一定的拟合效果，但在模拟初期节点之间接触较少时，所模拟的数值都大幅低于实际数值，这对于疫情爆发初期的掌控，是不太良好的，可能会在初期低估了数值而造成疫情扩散。

针对上述疫情传播模拟精度不高的问题，需要设计一种高精度的疫情感染风险模拟方法。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种准确性高的基于行为模式的SEIR感染风险模拟方法。

本发明的目的可以通过以下技术方案来实现：

根据本发明的第一方面，提供了一种基于行为模式的SEIR感染风险模拟方法，该方法通过时序网络将疫情数据划分为不同尺度的数据，以家庭为网络节点，基于行为模式确定网络节点连接关系，构建人群接触网络，采用SEIR模型模拟疫情传播的各个阶段，确定每天的疫情传播情况。

优选地，所述疫情数据包括时间数据和空间数据；所述时间数据依据时间划分为长时间数据和短时间数据，所述空间数据依据空间划分为大空间数据和小空间数据；将长时间数据与大空间数据结合成大尺度数据，将短时间数据与小空间数据结合成小尺度数据。

优选地，所述时序网络是一种节点连接边只在特定时间活动的复杂网络，每条连接边携带有关节点何时活动的信息，即时序网络中的连接边，会随时间的变化出现或消失。

优选地，所述基于行为模式确定网络节点连接关系具体为：基于行为模式确定接触节点及执行概率。

优选地，所述行为模式包括未出门、学习、工作、娱乐和市场；所述学习和工作为固定接触节点；所述娱乐和市场为随机接触节点。

优选地，所述固定接触节点设置具体为：当接触不同节点数量达到设定阈值后，停止向其他还未接触过的节点接触。

优选地，所述疫情传播的各个阶段包括易感者、潜伏期、感染者和康复者。

优选地，所述使用SEIR模型模拟疫情传播的各个阶段，具体为：

易感者在一开始会有潜伏期，一段时间之后才出现症状，变为感染者；一旦变为康复者，就不会再传染，即在概率传递过程中，一旦变为康复者，就没有概率再次转移为感染者或者易感者；所述SEIR模型的微分方程为：