数学建模(网络谣言传播模型)
数学建模阻止小道消息传播规律
数学建模阻止小道消息传播规律在现代社会中，信息传播变得迅速而广泛，小道消息往往会以意想不到的速度传播开来。
而数学建模作为一种工具，可以帮助我们理解和预测小道消息传播的规律，从而采取相应的措施来阻止其传播。
本文将探讨数学建模在阻止小道消息传播规律方面的应用。
1. 小道消息传播的特点小道消息传播是一种快速蔓延的现象，具有以下特点：快速性：小道消息传播速度快，往往只需要短时间就能影响大量人群。
社交性：小道消息多通过社交网络、口头传播等途径传播，从而迅速影响亲朋好友。
情感性：小道消息通常涉及情感因素，容易引起共鸣，加速传播。
2. 数学建模在阻止传播中的应用数学建模可以帮助我们理解小道消息传播的规律，从而采取相应的措施来阻止其传播。
网络传播模型：数学可以帮助我们建立网络传播模型，分析消息在社交网络中的传播路径和速度。
通过研究信息的传播途径，可以有针对性地选择阻断点，减缓传播速度。
传播速率模型：借助数学建模，我们可以分析小道消息的传播速率，并根据消息的内容、情感倾向等因素，预测其传播程度。
在早期预测的基础上，及早制定应对策略，有助于遏制消息传播。
信息封锁策略：数学建模可以帮助我们研究信息封锁策略的有效性。
通过模拟不同封锁策略下的消息传播情况，找到最优的封锁策略，从而最大限度地减少信息传播。
3. 阻止传播的策略基于数学建模的分析，我们可以制定一些策略来阻止小道消息的传播：针对性封锁：根据传播模型，针对影响较大的节点进行信息封锁，以阻止消息的传播路径。
信息替代：提供准确、有价值的信息，以替代虚假的小道消息，从而降低虚假消息传播的效果。
舆论引导：通过积极的宣传和舆论引导，改变人们的情感倾向，减缓负面消息的传播速度。
快速响应：一旦发现虚假消息，要及时快速地发布真实信息，阻止虚假消息继续扩散。
4. 社会共识的重要性除了数学建模和相应策略，培养社会共识也是阻止小道消息传播的重要手段。
人们应当认识到虚假消息对社会的危害，主动抵制传播虚假信息的行为，形成共同抵制虚假消息的社会风尚。
基于大数据分析的网络舆情传播模型研究与建模
基于大数据分析的网络舆情传播模型研究与建模随着互联网的发展，人们对于舆情传播的关注度也越来越高。
网络舆情传播模型研究与建模是一个旨在分析和理解大数据中的舆情信息，揭示其传播机制和规律的研究领域。
本文将从定义网络舆情、大数据分析的概念入手，探讨基于大数据分析的网络舆情传播模型的研究与建模。
首先，我们需要明确什么是网络舆情。
网络舆情是指通过互联网平台上的信息流传播的涉及社会、经济、政治、文化等各个领域、各个层面的舆论和情感表达。
网民通过各种社交媒体、论坛、博客等平台进行信息发布和分享，这些信息在网络上迅速传播，引发大量网友的参与和讨论，进而形成一种舆论场景。
大数据分析是指通过对大规模数据集进行采集、存储、处理和分析，从中发现隐藏的模式、关联和趋势，进而提供决策支持和洞察。
在网络舆情研究中，大数据分析扮演着至关重要的角色。
通过搜集、爬取、存储和处理互联网上的大量数据，如新闻、微博、微信、论坛等，我们可以得到丰富的舆情信息资源。
基于大数据分析的网络舆情传播模型的研究与建模是为了深入理解和预测舆情的传播特征和机制。
在传统的舆情研究中，学者们通常基于小样本和有限信息来进行分析，这样往往不能准确反映真实的情况。
而大数据分析所采用的海量数据和算法可以帮助我们更全面地认知舆情现象，揭示网络舆情的发生、演化和蔓延规律。
在研究网络舆情传播模型时，我们可以基于影响力传播理论，构建相应的模型。
影响力传播理论认为，网络舆情传播是由一系列的信息源和受众之间的相互作用所导致的。
信息源通过发布信息，受众通过接受和传播信息，从而形成一种信息传播的网络。
在这个网络中，每个个体都有不同的影响力大小，信息的传播路径也是多样的。
我们可以通过建立数学模型，对网络舆情的传播进行建模和分析。
一个常用的网络舆情传播模型是SIR模型，即易感者（susceptible）、感染者（infected）、恢复者（removed）模型。
在这个模型中，舆情的传播过程可以看作是一种病毒的传播过程。
网络背景下的谣言传播模型精编资料
网络背景下的谣言传播模型网络背景下的谣言传播模型摘要谣言的传播在现实生活中是一个很普遍的现象，随着网络和信息媒介时代的到来，谣言的产生更加具有主观性和攻击性，谣言的传播速度更是以指数函数的形式在我们的生活空间中弥漫。
谣言总是给人们的生活带来干扰和误导，因此对谣言的传播机制及控制恶意谣言的传播的研究更加有学术和人文意义。
本文基于传统的传染病模型，以微分方程作为理论依据，结合马氏链模型和MATLAB编程，最终刻画出谣言的传播机制和新媒体时代谣言传播的特点。
谣言传播模型虽与传染病模型类似，但谣言传播模型由于它的随机性和可变性更加错综复杂，本篇论文采取分步建立模型的方式，共建立了4个模型，分别为：SI模型，SIS模型和两种SIR模型。
通过对所做假设的准确分析和适当修改，最终得出结论：模型四可以较为合理的模拟谣言在网络时代的背景条件下的传播机制，并给出了“免疫者”和“传播者”的人数比例随“传染率”a 的变化趋势图。
我们从网络中搜查了数据，对网络中所提供的数据进行了筛选，去除异常数据,对残缺数据进行适当补充,并从中随机抽取了3组数据（每组8个采样）对理论结果进行了数据模拟，结果显示，理论结果与数据模拟结果吻合。
通过对所建数学模型的分析，我们发现：从源头上解决谣言传播问题基本是不太可能的，所以遏制恶意谣言的传播的有效方法还是得从传播的过程中解决这个棘手的问题。
主要有以下三个建议，第一，提高大众的认知度是有必要的，这有助于“传染率”a的大大降低；第二，政府和媒体应起到中流砥柱的作用，政府应对恶意谣言有及准确的关注，并以良好的公信力及时澄清事实，而媒体应有自己的职业道德，不要因为经济利益而盲目地炒作不良信息，造成社会不良风气的形成；第三，社会的每一个层面都应有自己的防火墙，建立属于自己的谣言防御机制，抑制谣言的扩散。
关键词：谣言传播网络时代传染病模型微分方程几点建议一：问题重述1.1 问题背景众所周知，每一则谣言都与环境危机，社会动荡，信任缺失有关，这些因素往往使人产生恐慌心理，同时也只有谣言才是治愈人们恐慌的良药。
数学建模(网络谣言传播模型)
网络谣言识别与控制问题的数学模型摘要:对谣言比较系统科学的研究始于二战时期，作为一种典型的社会现象，谣言在现代社会中不仅没有消失，而且其传播手段、传播途径等都发生了很大的变化，特别是在现在网络发展的黄金期，谣言的传播过程变得复杂，对于网络谣言的识别与控制成为公安舆情部门关注的问题。
针对问题一，由于谣言散布和病毒传播、扩散很相似，借鉴传染病传播模型,对应将人群分为听过谣言、未听过谣言两大类，根据具体的假设建立评价网络谣言级别的评价指标体系。
针对问题二，由Allport & Postman给出的决定谣言的公式：谣言=事件重要性×事件模糊性，也就是说，谣言产生和事件的重要性和模糊性成正比，事件越重要而且越模糊，谣言的产生几率和作用效应越大，重要性和模糊性其中一个要素趋向零，谣言不会产生，所以披露真相，破除模糊性，才可能消解谣言，现用可信度替代模糊性、用谣言的受众人群代替事件的重要信，简化问题，据此来建立谣言评价的数学模型。
针对问题三，根据对问题一、二的处理，给出合理的建议。
关键词：谣言传播受众人群事件可信度谣言危害一问题重述在突发事件、乃至各种危机中，谣言的作用不可低估。
现代环境下，利用灵活无序的网络传播，谣言传播变的速度更快、作用力更强。
如果对一个一般谣言大动干戈，显然得不偿失；而对于一个可能造成严重后果的谣言处置失当，就有可能造成严重后果。
因此，对谣言传播机理、鉴别进行研究非常重要。
要求：1. 建立评价网络谣言级别的评价指标体系，（例如受众范围、感兴趣程度、传播方式、后果影响等），最好能给出可以量化的公式，公式中涉及的指标是能够搜集的。
2. 建立谣言评价的数学模型，包括谣言的鉴定（例如可以某种方式建立谣言的置信范围例如[0,1]，当按照某公式评价某消息的时候能有一个阈值，即当消息低于某数值的时候可以认定不属于谣言，超过某数值的时候就属于谣言）、谣言危害的估计（以便有关部门采取相应措施，例如置之不理、召开新闻发布会、查处谣言制造者等）。
谣言传播模型阶段一模型
阶段一的模型为：
阶段一中，谣言的传播是主要是以网络的形式进行传播，谣言的传播也是如此，但是往往谣言并不单独存在，通常是每个谣言前都会有与这个谣言相似的主题的多个谣言发生。
正是这一类谣言在一段时间的发生，才促进了相似的类型的谣言的发生。
以甬温动车事故为例，秦火火于8月20日进行了“天价赔偿”的造谣，天价赔偿的谣言前发生了关于动车的事故的谣言共有以下几个：（参考论文为：戴超那篇）
这些谣言在天价谣言之前发生，本身对天价赔偿的谣言的传播有促进作用，尤其是在谣言的传播的第一阶段中，由于谣言大V 们的宣传，对其粉丝的误导在这些谣言下都会加强，且相关谣言的数量越多，对粉丝的误导作用越大。
考虑到上述因素，阶段一后的正向感染人群比例和负向感染人群比例的量化指标为：
Sn
SN r SM M r P SM
M r N t t -=-+=+=1/*)1(*)1(/**)1(2^2^ωω；
其中N 为第一阶段后的负向感染人群，r 为类似的主题谣言对谣言的影响因子，ω为网络用户变成负向敏感人群的概率，M 是秦火火及其团伙的谣言大V 们一天能接触的总人数。
SM 为全国总网民数。
SN 为同一主题能传播的最大谣言，Sn 为截至谣言发生前的相同主题的谣言的发生例数。
SPNR：社交网络中的新型谣言传播模型
5薛一波1, 2，鲍媛媛1, 2，易成岐3（1.清华大学信息技术研究院，北京 100084；2. 清华大学信息科学技术国家实验室（筹），北京 100084；3. 哈尔滨理工大学计算机科学与技术学院，黑龙江哈尔滨150080）摘 要：社交网络中谣言的肆意传播给网络安全以及社会稳定带来了全新的挑战，如何科学地认识和掌握谣言传播、扩散的内在规律，并对谣言进行有效地控制具有非常重要的学术意义和社会意义。
文章首先在充分分析目前谣言传播模型的基础上，引入谣言正向感染及负向感染两个感染状态，提出更适用于描述谣言传播的SPNR 模型；其次，基于SPNR 模型，设计谣言传播SPNR 算法，实现谣言传播演化过程的仿真；另外，利用数值仿真的方法，分析了模型主要参数对谣言传播关键指标的影响效果，为制定有效的谣言控制策略提供了可靠的依据；最后，从定性和定量两个角度验证了SPNR 模型基本假设的准确性，同时通过将SPNR 模型模拟效果与新浪微博实证结果进行对比试验的方式，验证了SPNR 谣言传播模型的适用性。
关键词：社交网络；谣言发现；谣言传播；控制策略中图分类号：TP309 文献标识码： A 文章编号：1671-1122（2014）01-0005-05SPNR: A Novel Rumor Propagation Model on Social NetworksXUE Yi-bo 1, 2, BAO Yuan-yuan 1, 2, YI Cheng-qi 3(1.Research Institute of Information Technology, Tsinghua University, Beijing 100084, China;2.Tsinghua NationalLaboratory for Information Science and Technology, Tsinghua University, Beijing 100084, China;3.School of ComputerScience and Technology, Harbin University of Science and Technology, Harbin Heilongjiang, 150080, China )Abstract: The malevolent spreading of rumors on social networks put forward a new challenge to the security of network and society. How to grasp the inherent laws of rumor propagation and propose effective control strategies for rumors has important practical significant. Firstly, based on the detailed analysis of epidemic spreading model, this paper proposes a more suitable rumor propagation model—SPNR by dividing infected states (I) into positive infected (P) and negative infected (N). Secondly, based on the SPNR model, designs the algorithm for SPNR model and accomplishes the simulation of rumor propagation process. Thirdly, further analyzes the key factors of affecting the maximum value of steady state, the point of decline, and the life cycle of a rumor. These results have important significant in developing new rumor control strategies. Lastly, after evaluating the proposed model with simulations and comparing the simulation results with real data on Sina Weibo, the experimental results shows that the new model is effective for capturing the rumor spreading in real social networks.Key words: social networks;rumor identification; rumor propagation; rumor controlSPNR ：社交网络中的新型谣言传播模型0引言谣言作为一种典型的社会现象，时常成为人们关注的焦点问题，特别是在各种突发事件中，谣言的影响不可低估。
数学建模谣言传播
数学建模谣言的传播假设1第1个人还是会参加第2次的谣言传播。
即第1个人和相信谣言的人会不断传播谣言假设2相信此谣言的人每人在单位时间内传播的平均人数正比于当时尚未听说此谣言的人数这个比恒定不变假设3传播的时候也会传给传播谣和听过谣言的人设第i个单位时间开始时相信谣言总人数xyz(i)没听过人数mt(i)受传播人数中没听过的人数占总人数比例（共有n+1个人，出去自己就有n个人）t(i)=mt(i)/n;受传播人数如果k为定植scb(i)=k*mt(i)*xyz(i);受传播人数中没听过谣言的人数(考虑到传播的时候也会传给传播谣和听过谣言的人)sch_mt(i)=scb(i)*t(i);其中相信的有scb_mt_xx(i)=sch_mt(i)*p*a/100+sch_mt(i)*(1-p)*b/100;其中不相信的有scb_mt_bxx(i)=sch_mt(i)-scb_xx(i);第i＋1时刻单位时间开始时相信谣言总人数xyz(i+1)=xyz(i)+scb_mt_xx(i);没听过人数mt(i+1)=mt(i)-sch_mt(i);受传播人数中没听过的人数占总人数比例t(i+1)=mt(i+1)/n;受传播人数如果k为定植scb(i+1)=k*mt(i+1)*xyz(i+1);受传播人数中没听过谣言的人数(考虑到传播的时候也会传给传播谣和听过谣言的人)sch_mt(i+1)=scb(i+1)*t(i+1);其中相信的有scb_mt_xx(i+1)=sch_mt(i+1)*p*a/100+sch_mt(i+1)*(1-p)*b/100; 其中不相信的有scb_mt_bxx(i+1)=sch_mt(i+1)-scb_xx(i+1);可以看到各种数构成了一个循环，这样就可以无限迭代下去根据由1单位时刻相信谣言总人数xyz(1)=1没听过人数mt(1)=n然后迭代下去。
如果假设1中第1个人不参与，只有其他相信的人参与。
谣言的传播研究
题目：谣言的传播研究【摘要】“众口铄金，积毁销骨”:原指众口所责，虽坚如铁石之物，亦告熔化;毁谤不止，令人难以生存，而遭毁灭，后比喻舆论作用极大，众口一词，积非成是；流言可畏，能颠倒是非，致人鱼死地。
可以看出作为一种典型的社会现象，谣言在现代社会中不仅没有消失，而且其传播手段、传播途径等都发生了很大的变化。
在突发事件、乃至各种危机中，谣言的作用不可低估。
因此对谣言传播机理进行研究非常重要。
用模型研究谣言是学术界常用的方法，而且随着社会科学和自然科学中各个学科的相互渗透，用仿真模拟技术研究谣言传播成为主要手段。
本文通过谣言的一般传播模型，分析谣言传播的特点，不同学历的人群接受谣言并传播谣言的比例不一样，所以对不同学历进行区别考虑，并且比较了几种不同情况下，谣言传播的特点。
通过模型仿真结果，可以看到学历越高的人越多，谣言传播的越慢，谣言的传播也会经历一个膨胀期和稳定期，最后开始接受谣言的人越来越多。
最后本文查阅相关资料，总结了一般的谣言传播模型，可以看到采用建模仿真方法研究谣言传播，可利用模型进行多次试验，针对运行的结果和数据，对谣言传播行为进行分析，探究影响谣言形成的因素及其演化规律，为科学地调控谣言传播，有效降低谣言负面效应作理论指导，为突发公共事件应急管理提供辅助。
由此可见，建立谣言传播模型具有十分重要的研究和应用价值。
关键词：谣言传播数学建模仿真一、问题重述1.1问题背景“众口砾金积毁销骨”（语见《史记·卷七十·张仪列传·第十》：“臣闻之，积羽沉舟，群轻折轴，‘众口栋金，积毁销骨，，故愿大王审足计议，且赐骸骨辟魏。
”《史记·卷八十三·鲁仲连邹阳列传·第二十三》;“昔者鲁听季孙之说而逐孔子，宋信子罕之计而囚墨翟:夫以孔、墨之辩，不能启气免丝土叠迭，而二国以危，何则?“众口砾金，积毁销骨’也。
”张仪言于魏王曰:“臣闻羽毛量多，其重可使舟沉:物轻量大，亦可使轴断:众口一词，虽金石亦可溶化;多人毁谤，纵骨肉亦遭毁灭:故望大王慎足策略，且允吾归，助魏与秦善。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
网络谣言识别与控制问题的数学模型摘要:对谣言比较系统科学的研究始于二战时期，作为一种典型的社会现象，谣言在现代社会中不仅没有消失，而且其传播手段、传播途径等都发生了很大的变化，特别是在现在网络发展的黄金期，谣言的传播过程变得复杂，对于网络谣言的识别与控制成为公安舆情部门关注的问题。
针对问题一，由于谣言散布和病毒传播、扩散很相似，借鉴传染病传播模型,对应将人群分为听过谣言、未听过谣言两大类，根据具体的假设建立评价网络谣言级别的评价指标体系。
针对问题二，由Allport & Postman给出的决定谣言的公式：谣言=事件重要性×事件模糊性，也就是说，谣言产生和事件的重要性和模糊性成正比，事件越重要而且越模糊，谣言的产生几率和作用效应越大，重要性和模糊性其中一个要素趋向零，谣言不会产生，所以披露真相，破除模糊性，才可能消解谣言，现用可信度替代模糊性、用谣言的受众人群代替事件的重要信，简化问题，据此来建立谣言评价的数学模型。
针对问题三，根据对问题一、二的处理，给出合理的建议。
关键词：谣言传播受众人群事件可信度谣言危害一问题重述在突发事件、乃至各种危机中，谣言的作用不可低估。
现代环境下，利用灵活无序的网络传播，谣言传播变的速度更快、作用力更强。
如果对一个一般谣言大动干戈，显然得不偿失；而对于一个可能造成严重后果的谣言处置失当，就有可能造成严重后果。
因此，对谣言传播机理、鉴别进行研究非常重要。
要求：1. 建立评价网络谣言级别的评价指标体系，（例如受众范围、感兴趣程度、传播方式、后果影响等），最好能给出可以量化的公式，公式中涉及的指标是能够搜集的。
2. 建立谣言评价的数学模型，包括谣言的鉴定（例如可以某种方式建立谣言的置信范围例如[0,1]，当按照某公式评价某消息的时候能有一个阈值，即当消息低于某数值的时候可以认定不属于谣言，超过某数值的时候就属于谣言）、谣言危害的估计（以便有关部门采取相应措施，例如置之不理、召开新闻发布会、查处谣言制造者等）。
3. 为公安舆情部门写一个报告，提出处置谣言的新措施、新办法。
并为公众提供一份如何识别谣言、如何在信息化时代正确对待各类信息的方法。
二问题的分析对于问题一中的借鉴传染病模：模型中种群内的个体被抽象为几大类，每一类都处于一种状态，其基本的状态包括:S ( Susceptible) ——易染状态，或健康状态；I ( Infected)——感染状态；R(Recovered)——被移除状态或免疫、恢复状态。
通常用这些状态之间的转换过程来命不同的传染模型:SIR 模型(易染群体被感染，然后恢复健康并具有免疫性)、SIS 模型( 易染群体被感染后又返回到易染状态)等。
根据具体的假设来分析谣言的传播，求解听过谣言人数在总人数中所占的比例，并对应的建立网络谣言级别的评价指标指数，从而根据受众人群建立评价网络谣言级别的评价指标体系。
对于问题二，根据谣言=事件重要性×事件模糊性，若直接定量的分析谣言所对应的事件的重要性和模糊性，其中要考虑的因素比较多，若将决定事件的重要性和事件模糊性的主要因素抽象出来，将事件重要性与受众人群挂钩（对问题一的处理结果），用事件的可信度(建立网络谣言对应事件的发生的可信度级别的评价指标指数)衡量事件的模糊性，从而简化问题，建立一个新模型：谣言=网络谣言级别的评价指标指数×事件不可信度指数，以此来解答问题二。
对于问题三，在对问题一、二的处理基础上，给公安舆情部门写一个报告，提出处置谣言的新措施、新办法。
并为公众提供一份如何识别谣言、如何在信息化时代正确对待各类信息的方法。
三模型的假设针对问题一：1 受众人群分为听过谣言（i）和未听过谣言（s）两类，时刻t这两类人在总人数中所占的比例分别记为 s(t) 和 i(t)。
2 在谣言传播期内所考察地区的总人数为N不变。
i03 不考虑短时间内听过谣言的人对谣言的遗忘。
4 每个听过谣言的人每小时有效接触的平均人数是常数a,称为日接触率。
当听过谣言的人有效传播之后，使未听过谣言的人成为听过谣言的人。
5 每个发布谣言的网络信息发布平台每小时有效浏览的平均人数是常数b，称为日浏览率。
当谣言经过有效浏览之后，使未听过谣言的人成为听过谣言的人。
五问题一模型的建立与求解对于问题一，将新增听过谣言的人数分为两大类，采用微分法求解，再根据i（t）的大小来建立评价网络谣言级别的评价指标体系。
5.1建模过程的方案设计5.2划分新增听过谣言的人数来源根据假设，获取网络谣言的途径分为两大类（流程图如下）：i 通过网络人际关系传播的新增的听过谣言的人数A，每个听过谣言的人每天可使a s(t)个未听过谣言的人变为听过谣言的人。
因为听过谣言人数为Ni(t)，所以每过一段时间共有aNs(t)i(t)个听过谣言的人产生，即A=aNs(t)i(t)（其中a为每个听过谣言的人每小时有效接触的平均人数，N为在谣言传播期内所考察地区的总人数，i(t)为听过谣言人在总人数中所占的比例，s(t) 为未听过谣言人在总人数中所占的比例）。
ii 通过网络信息平台传播新增的听过谣言的人数B, 每个传播谣言的信息平台在时间t 内可以使宝石bs （t ）个未听过谣言的人变为听过谣言的人。
因为传播谣言的信息平台总数为M ，所以每过一段时间共有bMs(t)个听过谣言的人产生，即B= bMs(t)（其中b 为每个发布谣言的网络信息发布平台每小时有效浏览的平均人数，M 为传播谣言的信息平台总数）。
5.3.1模型建立由5.1可得：d d iNA B t=+ 其中：()()()A aNs t i tB bMs t ==而()()()010i t s t i i +=⎧⎨=⎩所以()()d 11d iNaN i i bM i t=⋅-+- 5.3.2模型求解由上可得：()()di 11dtaN i i bM i N=⋅-+-()()0di 111i ti dt aN i i bM i N =⋅-+-⎰⎰ 查积分表并化简得：()0011e()(1)bM aNt Ni t i aN aN bM i aN bMaN bM+-++=-+-+5.3.2在理论上对模型求解结果进行分析在()0011e()(1)bM aNt Ni t i aN aN bM i aN bMaN bM+-++=-+-+中易得M<<N,在极端情况下有：①当在谣言传播期内所考察地区的总人数中听过谣言人数在总人数中所占的比例为0时，即00i = 时，(lim )0t i t →∞=；②当在谣言传播期内所考察地区的总人数中听过谣言人数在总人数中所占的比例为1时，即1i =时，(lim )1t i t →∞=；由①、②的结果并结合实际情况可得，此模型的求解结果有一定的可取性。
5.4建立评价网络谣言级别的评价指标体系对于谣言本身的性质，是难以直接根据数据判断，但可由谣言在人群中的受众范围来从侧面判断其影响力，即由()i t 的大小来划分其评价指标体系 ，由于谣言的受众范围有大有小，有时差别很大。
一个谣言产生了，其受众范围不可能不存在，也不可能是全部人群，即()0i t =或()1i t =的情况不可能发生，为了使评价指标有区分度所以人为地将受众人群极小的I 值定位1，极大时定为I 定为7，介于两者之间的情况定为若干中间六 问题二的模型建立与结果分析对网络谣言真假的判断，需要建立一个建立谣言可信度指标指数来对谣言的真实性进行评判，给出一个梯度判断依据会使对谣言真假的判断更符合实际，但对谣言危害的估计，需要结合其受众人群来判断。
6.1 建模过程的方案设计6.2建立谣言可信度指标指数 6.2.1可信度的确定建立此指标体系的关键是考察各大信息发布平台所发布的信息中虚假信息所占的比例，若记x 为信息平台发布信息的可信度，n 为每次信息平台发布信息为虚假信息的数量，m 为每次信息平台发布信息的总量，K 为信息平台发布信息的总次数，则：1j j jn x m =-11kjj jn mx k==-∑6.2.2谣言可信度指标指数的建立由上可得每个信息发布平台都存在一个可信度x ，必定存在最值min x 、max x ，即x ∈（min x ，max x ），将此区间等分为若干区间，再对每个区间标定可信度指标指数(对谣言真假的判断真随着谣言所对应事件发生的可信度指数X 的增大，信息就越真实，越偏离谣言的范畴。
6.3建立谣言=网络谣言级别的评价指标指数×事件不可信度指数体系 若记事件不可信度指数体系为可信的指标指数的倒数，即为1X，结合问题一的结果建立：谣言=网络谣言级别的评价指标指数×事件不可信度指数体系，并给出一个判断梯度予以参七 对公安舆情部门、公众写一个报告由对问题二的解决结果来看，谣言危害既与谣言的受众人群有关，也与各个信息平台所发布的信息的可信度有关，公安舆情部门对谣言的处理可根据谣言危害估计指数Y 的大小分别对待，若Y=1，可视情况忽略；若Y=2，需要引起一定的关注，继续观察其发展；若Y=3，需要发布消息辟谣；若Y=4，除发布消息辟谣之外，还需要对相关的信息发布平台进行相应的处理，如关闭、出发处理。
对于公众而言，在网络上浏览信息时，要对信息发布的信息平台要有选择，尽量选择可信度高的信息平台，减少获取谣言信息的可能性；其次，对谣言或疑似谣言的信息尽量不传播，减慢谣言的传播速度，从而减少谣言的危害。
八 模型的优缺点分析模型优点:⑴简化问题，运用到的数学处理方法比较少，整体比较简化；⑵模型的建立比较直观；⑶规定了各项指标，易于评判；⑷每个问题的解决是有联系的，各个模块不是孤立的。
模型缺点：⑴模型涉及到的参数比较多，需要进行多次进行以问卷调查的方式予以解决；⑵再对问题一的处理中没有考虑重复性，需要进一步深化；⑶忽略掉的因素比较多，需要改进。
九参考文献［1］Bailey N T J. The Mathemtaical Theory of Infectious Diseases and Its Applications［M］. New York:Hafner Press，1975.［2］Anderson R M，May R M. Infectious Diseases of Humans［M］. Oxford:Oxford University Press，1992.［3］Hethcote H W. The mathematics of infectious diseases［J］. SIMA Review，2000，42(4):599－653.［4］姜启源，谢金鑫，叶俊.数学建模，北京：高等教育出版社，2004［5］同济大学.高等数学，北京：高等教育出版社，2007。