| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 研究现状 | 第15-18页 |
| 1.2.1 传统传染病模型研究现状 | 第15-16页 |
| 1.2.2 复杂网络上传染病传播研究现状 | 第16-18页 |
| 1.3 本文研究和技术路线 | 第18-21页 |
| 1.3.1 主要研究内容 | 第18页 |
| 1.3.2 技术路线 | 第18-19页 |
| 1.3.3 本文创新点 | 第19-21页 |
| 第二章 传染病模型与复杂网络简介 | 第21-37页 |
| 2.1 引言 | 第21页 |
| 2.2 经典传染病动力学 | 第21-28页 |
| 2.2.1 SI模型 | 第21-23页 |
| 2.2.2 SIS模型 | 第23-24页 |
| 2.2.3 SIR模型 | 第24-26页 |
| 2.2.4 SEIR模型 | 第26-28页 |
| 2.3 基于复杂网络的传播动力学 | 第28-34页 |
| 2.3.1 经典复杂网络模型 | 第28-32页 |
| 2.3.2 均匀网络上的传播动力学 | 第32-33页 |
| 2.3.3 非均匀网络上的传播动力学 | 第33-34页 |
| 2.4 本章小结 | 第34-37页 |
| 第三章 SEIDR传染病模型构建 | 第37-55页 |
| 3.1 引言 | 第37页 |
| 3.2 SEIDR模型的构建 | 第37-46页 |
| 3.2.1 传统方法SEIDR模型构建 | 第37-40页 |
| 3.2.2 均匀网络中SEIDR模型的构建 | 第40-42页 |
| 3.2.3 非均匀网络中SEIDR模型的构建 | 第42-46页 |
| 3.3 模拟算法设计与网络构建 | 第46-48页 |
| 3.3.1 模拟算法的设计 | 第46-47页 |
| 3.3.2 网络的构建 | 第47-48页 |
| 3.4 数值模拟与讨论 | 第48-53页 |
| 3.4.1 不同网络拓扑结构对传播过程影响 | 第48-49页 |
| 3.4.2 节点感染率对病毒传播过程的影响 | 第49-50页 |
| 3.4.3 初始状态感染源个数对病毒传播过程的影响 | 第50-52页 |
| 3.4.4 SEIDR模型与传统SEIR、SIR模型对比 | 第52-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 基于SEIDR模型的西非埃博拉病毒传播分析 | 第55-65页 |
| 4.1 引言 | 第55页 |
| 4.2 埃博拉病毒传播模型的构建 | 第55-59页 |
| 4.2.1 2014-2016西非埃博拉疫情数据分析 | 第56-57页 |
| 4.2.2 基于SEIDR的埃博拉传播模型 | 第57-59页 |
| 4.3 参数估计及分析 | 第59-64页 |
| 4.3.1 参数估计与曲线拟合 | 第59-61页 |
| 4.3.2 拟合度比较 | 第61-62页 |
| 4.3.3 基本再生数分析 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 基于SEIDR模型的规模化猪场流行病传播分析 | 第65-77页 |
| 5.1 引言 | 第65页 |
| 5.2 规模化养猪场的网络模型的构建与分析 | 第65-69页 |
| 5.2.1 网络模型的构建 | 第65-67页 |
| 5.2.2 网络模型的分析 | 第67-69页 |
| 5.3 相关典型猪传染病传播模型的构建 | 第69-70页 |
| 5.4 数值仿真与分析 | 第70-75页 |
| 5.4.1 标准情况下病毒传播数值仿真 | 第70-72页 |
| 5.4.2 社团间连接概率q对病毒传播的影响 | 第72-73页 |
| 5.4.3 发病猪处理力度对病毒传播的影响 | 第73-74页 |
| 5.4.4 免疫节点数对病毒传播的影响 | 第74-75页 |
| 5.5 本章小结 | 第75-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 附录Ⅰ 攻读硕士学位期间的科研成果 | 第85-87页 |
| 致谢 | 第87页 |
