[发明专利]一种基于SAIR模型的潜伏期无症状传播的溯源方法

权利要求书

1.一种基于SAIR模型的潜伏期无症状传播的溯源方法，其特征在于，如下步骤：

S1、在复杂网络中确定单个初始传播的源节点，根据源节点按照SAIR模型进行传播直到某一时刻t₀；

S2、随机选取一定数量的节点最为观测节点，观测节点在该时刻的状态可知；

S3、根据部分观测节点的状态结合跳数距离和有效距离，利用反向传播算法在复杂网络中筛选候选源节点集，节点的数量由抽样的方法确定；

S4、根据SAIR模型构建动态消息传播方程，利用部分观测节点计算候选源节点在Δt时刻处于不同状态的概率；

S5、利用平均场理论计算候选源节点集中节点成为源的似然概率，概率最大的即为源。

2.根据权利要求1所述的基于SAIR模型的潜伏期无症状传播的溯源方法，其特征在于，所述在复杂网络中确定单个初始传播的源节点，根据源节点按照SAIR模型进行传播直到某一时刻t₀包括：

将现实中的人际交互关系抽象为人际关系复杂网络G＝(V,E,P)，其中V是节点集，E是边集，P是每条边(u,v)∈E上的传播概率p_u,v∈(0,1)的集合；在所述的SAIR传播模型中，在初始时刻t＝0网络中存在一个被感染节点，即传染源s*，之后在每一个离散时间片下按照SAIR模型进行传播，直到达到t₀时刻结束。

3.根据权利要求1所述的基于SAIR模型的潜伏期无症状传播的溯源方法，其特征在于，所述随机选取一定数量的节点最为观测节点，观测节点在该时刻的状态可知包括：

根据S2所述进行传播后，在t₀时刻随机选取数量为R×N(其中R∈(0,1)为观测节点数量占比)的节点作为观测节点，观测节点在t₀时刻的状态是已知的，图中除观测节点之外的其余节点的状态均不可知。

4.根据权利要求1所述的基于SAIR模型的潜伏期无症状传播的溯源方法，其特征在于，所述根据部分观测节点的状态结合跳数距离和有效距离，利用反向传播算法在复杂网络中筛选候选源节点集，节点的数量由抽样的方法确定包括：

设在S3中所得到部分观测节点中被感染节点所占的比重为k，则在整个感染过程中可能存在k×N个被感染节点；利用反向传播算法可以得到k×N个节点作为候选源节点集。

5.根据权利要求1所述的基于SAIR模型的潜伏期无症状传播的溯源方法，其特征在于，所述根据SAIR模型构建动态消息传播方程，利用部分观测节点计算候选源节点在t₀时刻处于不同状态的概率包括：

根据SAIR模型各状态转移关系推导化简得到动态信息传递方程；在初始条件和源节点已知的情况下，便可以通过不断迭代，得到每个节点在不同时刻处于各种状态的边缘概率的精确值。

6.根据权利要求1所述的基于SAIR模型的潜伏期无症状传播的溯源方法，其特征在于，所述利用平均场理论计算候选源节点集中节点成为源的似然概率，概率最大的即为源包括：

由于真实源的似然概率可以运用平均场理论近似相等；根据S3得到的观测节点的真实状态，和在S5得到的每个观测节点在不同时刻处于各种状态的边缘概率的精确值，可以计算出S3中候选节点集中每个节点为源的似然概率，似然概率最大的就认为是真实源。