[论文解读] Mean-field models for non-Markovian epidemics on networks: from edge-based compartmental to pairwise models

Neil Sherborne, Joel C. Miller+2 more|arXiv (Cornell University)|Nov 12, 2016

Complex Network Analysis Techniques参考文献 28被引用 7

一句话总结

该论文将基于边的元胞模型（EBCM）扩展至具有任意传播和恢复时间分布的非马尔可夫性流行病，推导出一种适用于马尔可夫性传播的新型配对类似模型（PLM）。在马尔可夫性传播下，证明了消息传递、EBCM与PLM之间的等价性，为具有异质度分布和一般恢复过程的配置模型网络上的SIR动力学提供了数值上可处理且精确的框架。

ABSTRACT

This paper presents a novel extension of the edge-based compartmental model for epidemics with arbitrary distributions of transmission and recovery times. Using the message passing approach we also derive a new pairwise-like model for epidemics with Markovian transmission and an arbitrary recovery period. The new pairwise-like model allows one to formally prove that the message passing and edge-based compartmental models are equivalent in the case of Markovian transmission and arbitrary recovery processes. The edge-based and message passing models are conjectured to also be equivalent for arbitrary transmission processes; we show the first step of a full proof of this. The new pairwise-like model encompasses many existing well-known models that can be obtained by appropriate reductions. It is also amenable to a relatively straightforward numerical implementation. We test the theoretical results by comparing the numerical solutions of the various pairwise-like models to results based on explicit stochastic network simulations.

研究动机与目标

• 将基于边的元胞模型（EBCM）扩展至处理网络上非马尔可夫性SIR流行病中任意传播和恢复时间分布的问题。
• 推导一种适用于马尔可夫性传播和任意恢复过程的新配对类似模型（PLM），以实现精确且数值高效的分析。
• 在马尔可夫性传播下，正式证明消息传递、EBCM与PLM模型之间的等价性，验证其一致性。
• 证明新PLM模型通过避免启发式闭合方法并利用消息传递原理捕捉依赖关系，从而在广义上推广并改进了现有配对模型。
• 通过与有限网络上的随机模拟进行数值比较，验证理论模型，结果表现出高度一致性。

提出的方法

• 使用消息传递形式化方法推导出一种新型基于边的元胞模型（EBCM），能够处理任意传播和恢复时间分布。
• 应用消息传递方法，在假设传播为马尔可夫性且恢复时间分布一般化的前提下，构建一种新颖的配对类似模型（PLM）。
• 推导出PLM的两个微分方程系统，通过基于边的概率捕捉易感和感染节点的动力学。
• 利用生成函数 $G_0(x)$、$G_1(x)$ 和 $G_2(x)$ 描述配置模型网络中的度分布和超额度分布。
• 引入生存函数 $H_1(t)$ 和基于边的元胞变量 $\Theta(t)$，以追踪通过特定边保持易感状态的节点概率。
• 采用数值积分求解EBCM与PLM方程，并与10,000个节点、幂律指数为2.5、度范围为3–60的截断无标度网络上的随机模拟结果进行比较。

实验结果

研究问题

• RQ1 基于边的元胞模型（EBCM）能否推广至处理非马尔可夫性流行病中任意传播和恢复时间分布的问题？
• RQ2 是否存在一种新的配对类似模型（PLM），其在马尔可夫性传播和任意恢复过程中是精确的，并且与EBCM和消息传递模型等价？
• RQ3 在马尔可夫性传播情况下，消息传递、EBCM与PLM模型之间的等价性是否可被正式证明？
• RQ4 与随机模拟相比，新PLM模型是否能够实现高效且精确的数值实现？
• RQ5 平均场模型在多大程度上能准确捕捉有限异质网络上随机SIR流行病的平均行为？

主要发现

• 扩展后的EBCM能精确描述具有任意传播和恢复时间分布的配置模型网络上的非马尔可夫性SIR流行病，其最终流行规模与文献中已知结果一致。
• 新配对类似模型（PLM）源自消息传递形式化方法，为马尔可夫性传播和一般恢复过程提供了一个精确的两方程系统。
• 在马尔可夫性传播下，PLM被证明与EBCM和消息传递模型等价，其证明基于关键消息量 $H_1(t)$ 和 $\Theta(t)$。
• PLM与EBCM的数值解在10,000个节点、幂律指数为2.5、度范围为3–60的截断无标度网络上，与随机模拟结果高度一致。
• PLM通过避免启发式闭合方法并利用消息传递原理捕捉依赖关系，在度异质性较高的网络中表现优于传统配对模型。
• 在不同传播率（$\beta = 0.15, 0.3, 0.4$）和恢复参数（$\gamma = 0.5$，$\sigma = 2$）下，模型均表现出稳健性，模拟结果落在平均场预测的5th–95th百分位数置信区间内。