网络上流行病可预测性的时间演化

新病原体的流行病爆发，或已知病原体在新人群中的爆发，因其难以预测而引起极大恐慌。另一方面，对于疾病传播的理论模型，表征爆发的量会收敛为时间的确定性函数。本文旨在阐明这一明显的差异。我们在不同可用信息量的情景下，测量爆发规模和灭绝时间的多样性（即可预测性）随时间的变化。在完美信息假设下——即了解每个个体相对于疾病的状况——可预测性随时间呈指数级或更快地下降。当每次接触的传播概率处于中间值时，衰减最慢。在较弱的信息假设下，即仅假设我们知道当前感染、康复或易感个体的比例，可预测性在大多数情况下也呈指数级下降。然而，在这种情景中存在一些可预测性下降的特殊区域。换言之，要以给定的精度预测其最终规模，我们需要关于爆发的越来越多的信息。