时间网络上流行病动力学中的并发诱导转变

人类和动物流行病过程底层的社交接触网络是高度动态的。在此类时间网络上感染的传播可能与静态网络上的传播大相径庭。我们理论研究了在时间网络模型上的随机易感-感染-易感动力学中，并发性（一个节点在给定时间点拥有的邻居数量）对流行病阈值的影响。我们表明，当节点的并发性较低时，网络动力学可以抑制流行病（即产生更高的流行病阈值），但当并发性较高时也可以增强流行病。我们解析地确定了这种并发诱导转变的不同相，并通过数值模拟证实了我们的结果。