通过剖析到达历史识别集合种群网络上的大流行空间入侵

传染病通过人类流动在人群中的空间传播具有高度随机性和异质性。利用统计或机理模型往往难以准确预测/挖掘传播过程。本文提出一个新的反问题，旨在从各子群体中传染病病例到达历史的可观测信息中识别随机空间传播过程本身。我们通过开发一种基于动态规划的高效优化算法解决了该问题，该算法包含三个步骤：i，将全部子群体间的整体传播过程剖析为互不相交的组分斑块；ii，通过最大似然估计推断每个斑块下最可能的入侵路径；iii，通过迭代组装各斑块中的入侵路径来恢复整体过程，无需进行参数校准和计算机模拟。基于熵理论，我们引入了一种可识别性度量来评估入侵路径可被识别的难度水平。在人工和实证集合种群网络上的结果表明，在识别驱动大流行传播的实际入侵路径方面具有鲁棒性能。