本次疫情传播呈现出典型的复杂网络特征，可以用复杂网络疾病传播模型进行有效分析。复杂网络经典的疾病传播模型包括 SI 模型、SIR 模型、SIS 模型、SEIR 模型等，在疾病传播分析中起了重要作用。最基础的 SI 模型将人群划分易感状态 (S) 和感染状态 (I) 两类。易感人群以单位时间传染概率β被感染人群感染，人群规模为易感人群与感染人群的总和，该模型没有考虑疾病被治愈或死亡的情况，在现实中较少能找到相应情景。SIR 模型在 SI 模型基础考虑了移出状态 (R)，对应疾病被治愈或死亡的状态，感染人群以单位时间传染概率γ由感染状态转移至移除状态。SIS 模型考虑了重复传染的情况，经历了完整感染周期后。

感染人群以单位时间传染概率 由感染状态转移至易感状态。SEIR 模型在 SIR 模型基础考虑了潜伏状态 (E)，易感状态以单位时间传染概率 转移至潜伏状态，潜伏状态以位时间传染概率 转移至感染状态。在疾病传播分析领域，复杂网络传播模型的应用较为广泛，众多学者对 SARS、中东呼吸综合征 (MERS)、HIV等传染疾病展开建模分析。

此次学生分享的学术讨论课题主要分为两部分工作，一：在疫情暴发初期，利用大数据技术对疫情的关键数据进行了统计分析并辅以可视化展示；二基于复杂网络理论，建立了带有潜伏期的 2019-nCoV 流行病 SEIR 复杂网络模型，探讨了节点流动概率、网络结构等重要参数对疫情传播的影响，同时通过模型模拟预测解封时间对于疫情走势的影响情况，并给出一些关键信息。