- 使用呼叫详细记录的时间序列分析检测突发灾难后的国内流离失所者;
- 通过使用呼叫详细记录分析国内流离失所者的移动情况，估算对自然灾害的抵御能力;
- 二分网络的模块性和投影;
- 考虑活动的人流显示了城市系统隐藏的功能组织;
- 以数字数据为特征的移民流动;
- 推文可以告诉：使用混合长短期记忆模型进行活动识别;
- 基于嵌入的Silhouette社区检测;
- 下一代高分辨率载体传播疾病风险评估;
- 用于大规模社会推荐的三方异构图传播;
- 基于区域风险与运动模式的犯罪率预测;
- 通过知识图谱嵌入和Twitter将医生与医学研究结果联系起来;
- 多路图匹配的过滤器;
- 通过Bregman散度进行超链接回归;
- 另一种区块建模;
- 单纯复形的高阶度、多组合拉普拉斯算子以及拓扑数据分析在复杂网络中的应用;
- 用于识别相关推文以支持实时态势感知的交互式学习;
- 武器化的虚假信息如何破坏城市的电网;
- 比特币中的反洗钱：利用图卷积网络进行金融取证试验;
- 循环多路网络的分数动态：连续时间随机游走的最佳耦合和远程导航;
- 动态社会网络预测个人心理健康的能力;
- 发现供应链的相变行为以对抗破坏性事件;
使用呼叫详细记录的时间序列分析检测突发灾难后的国内流离失所者
原文标题： Detecting individual internal displacements following a sudden-onset disaster using time series analysis of call detail records
地址： http://arxiv.org/abs/1908.02377
作者： Tracey Li, Jesper Dejby, Maximilian Albert, Linus Bengtsson, Veronique Lefebvre
摘要： 我们提出了一种分析移动电话呼叫详细记录的方法，以识别我们认为由于突然发生的灾难而被国内流离失所的人。我们将每个匿名个体的运动轨迹建模为分段恒定的时间序列信号，假设灾害引起的位移表现为从个体的“正常”位置的水平偏移，然后应用步骤检测算法来识别水平位移。信号。与用于分析来自呼叫详细记录的移动模式的典型方法相比，其中分析了大群个体的总体移动，我们的方法提供了以下优点：不需要关于个体移位的目的地或持续时间的假设。我们已将该方法应用于三次灾害的数据集 - 2010年海地地震，2015年尼泊尔Gorkha地震和2016年海地飓风马修。我们的结果表明，这种方法可以促进移动性分析和建模的改进灾后情景中的国内流离失所者使用呼叫详细记录。这些分析可用于补充传统的调查方法，以及时评估灾害引起的流离失所的规模和特征。
通过使用呼叫详细记录分析国内流离失所者的移动情况，估算对自然灾害的抵御能力
原文标题： Estimating the resilience to natural disasters by using call detail records to analyse the mobility of internally displaced persons
地址： http://arxiv.org/abs/1908.02381
作者： Tracey Li, Jesper Dejby, Maximilian Albert, Linus Bengtsson, Veronique Lefebvre
摘要： 我们使用移动电话呼叫详细记录来估计在突然发生的灾难之后先前被确定为境内流离失所者（IDP）的一部分个人的重新安置时间。四种不同的流动性指标 - 两种版本的回转半径和两种版本的熵 - 用于研究三次灾害期间人口的行为 - 2010年海地地震，2015年尼泊尔Gorkha地震和2016年海地飓风马修。我们描述了在灾难发生后每周仍然受到干扰的个人比例中断人口重新安置的速度。我们发现这个速率可以很好地模拟为两个指数衰减的总和，并观察到所有三次灾害的重新安置率是相似的，原始数量的移民的一半已经在灾难发生后的四到五周内重新安置。如果对进一步灾害的研究导致观察到类似的指数衰减率，那么这意味着任何时候的国内流离失所者人数都可以从灾后紧接的国内流离失所者初始数量估计中推断出来。或者，该方法提供了一种监控灾难恢复能力并比较灾难恢复率的方法。该方法的优点是不需要对移民安置的位置或时间做出任何假设。我们的研究结果表明，CDR可以显著地有助于测量和预测灾后情景中国内流离失所者的流离失所持续时间，距离和位置。我们认为，专门开发的CDR分析提供的信息和估算，加上实地数据收集和传统调查方法，可以帮助人道主义应对自然灾害和随后的重新安置工作。
二分网络的模块性和投影
原文标题： Modularity and Projection of Bipartite Networks
地址： http://arxiv.org/abs/1908.02520
作者： Rudy Arthur
摘要： 本文通过二分网络上的模块化最大化来研究社区检测。特别地，我们感兴趣的是投影的操作如何使用二分网络的一个节点集来推断另一组中的节点之间的连接，与社区检测相互作用。我们首先定义适合于投影的二分网络的模块化概念，并概述用于最大化它以便对网络进行分区的算法。使用真实和合成网络，我们比较五种不同算法找到的社区，其中每种算法最大化不同的模块化功能，并看到二分结构的不同方面。基于这些结果，我们建议在二分网络中寻找社区的简单启发式算法。
考虑活动的人流显示了城市系统隐藏的功能组织
原文标题： Disentangling activity-aware human flows reveals the hidden functional organization of urban systems
地址： http://arxiv.org/abs/1908.02538
作者： Riccardo Gallotti, Giulia Bertagnolli, Manlio De Domenico
摘要： 越来越多的证据支持这样一个事实，即城市是复杂的系统，具有广泛的结构和动力学特征，导致意想不到的新兴现象。了解个人层面的城市动态 - 同时也是集体人类行为的结果 - 将为不可改变的应用打开大门，从提高城市的可持续性和复原力到改善居民的健康和福祉。在这里，我们使用Foursquare提供的独特的纵向人流数据集，Foursquare是一个位置智能的领导平台，用于表征城市的功能组织。首先，我们构建了与不同类型的活动相对应的人流的多维网络模型。我们分别量化了城市区域之间在整合和隔离方面的流量交换效率。结果揭示了意想不到的复杂时空模式，使我们能够获得全球10个超大城市功能的新见解。我们发现，大城市往往更加隔离，整合程度较低，人们在一天中的不同时段或不同类型的活动之间流动，可以识别不同的“城市内的城市”，这两个城市确实显示出明显的不同之处。功能整合和隔离。我们的分析提供了关于人类行为如何影响城市环境并受其影响的新见解，并且作为一种有趣的副产品，可以描述不同大城市地区，国家和文化的功能（dis）相似性。
以数字数据为特征的移民流动
原文标题： Migrant mobility flows characterized with digital data
地址： http://arxiv.org/abs/1908.02540
作者： Mattia Mazzoli, Boris Diechtiareff, Antonia Tugores, Willian Wives, Natalia Adler, Pere Colet, Jose J. Ramasco
摘要： 监测移徙流动对于应对人道主义危机和制定有效政策至关重要。这些信息通常来自调查和边境控制，但及时的可访问性和方法问题降低了其有用性。在这里，我们提出了一种使用地理定位的Twitter数据检测全球迁移流量的方法。我们关注委内瑞拉的移民危机，并表明计算的流量与国家层面的官方统计数据一致。我们的方法是多功能和深远的，因为它可以用来研究不同的迁移特征作为首选路线，定居区，通过几个国家的流动性，城市的空间整合等。它提供更精细的地理和时间分辨率，允许探索官方记录中未考虑的问题。我们希望这些新的信息来源可以补充官方信息，帮助当局和人道主义组织更好地评估何时何地进行实地干预。
推文可以告诉：使用混合长短期记忆模型进行活动识别
原文标题： Tweets Can Tell: Activity Recognition using Hybrid Long Short-Term Memory Model
地址： http://arxiv.org/abs/1908.02551
作者： Renhao Cui, Gagan Agrawal, Rajiv Ramnath
摘要： 本文介绍了一种技术，用于检测一个人在发推文（例如用餐，购物或娱乐）时所参与的“离线”活动，以便创建用户的动态简档，以用于诸如更好地有向广告之类的用途。为此，我们提出了一种用于丰富上下文学习的混合LSTM模型，以及应用和组合多种基于LSTM的方法和不同上下文特征的效果的研究。混合模型的表现优于一组基线和最先进的方法。最后，本文提出了一个真实案例应用的正交验证。我们的模型为几个知名账户的关注者生成离线活动分析，这很好地代表了这些账户的预期特征。
基于嵌入的Silhouette社区检测
原文标题： Embedding-based Silhouette Community Detection
地址： http://arxiv.org/abs/1908.02556
作者： Blaž Škrlj, Jan Kralj, Nada Lavrač
摘要： 以网络形式挖掘复杂数据对许多科学学科越来越感兴趣。网络社区对应于密集连接的子网，并且通常代表现实世界系统的关键功能部分。在这项工作中，我们提出了Silhouette社区检测（SCD），一种用于检测社区的方法，基于网络节点嵌入的聚类，即从其邻域导出的节点的实值表示。我们研究了所提出的SCD方法在234个合成网络以及现实社会网络上的性能。尽管SCD不是基于任何形式的模块化优化，但它的性能与最先进的社区检测算法相当或更好，例如InfoMap和Louvain算法。此外，我们演示了SCD的输出如何与语义子组发现中的领域本体一起使用，从而产生对在现实生活中的蛋白质相互作用网络中检测到的社区的人类可理解的解释。作为基于嵌入的，SCD广泛适用，并且可以作为许多现有网络学习和探索管道的一部分进行开箱即用的测试。
下一代高分辨率载体传播疾病风险评估
原文标题： Next-Generation High-Resolution Vector-Borne Disease Risk Assessment
地址： http://arxiv.org/abs/1908.02558
作者： Meysam Ghaffari, Ashok Srinivasan, Anuj Mubayi, Xiuwen Liu, Krishnan Viswanathan
摘要： 媒介传播疾病每年造成100多万人死亡。高空间分辨率下的流行病风险估计可以实现有效的公共卫生干预。我们的目标是在社区的粒度上确定将这些疾病输入脆弱城市的风险。传统模型无法实现这种空间分辨率，尤其是实时。此外，他们缺乏人口统计异质性的实时数据，这对于准确的风险评估至关重要。诸如Twitter之类的社交媒体承诺可以实时推断出人口统计和空间信息的数据。另一方面，这样的数据可能是噪声和不准确的。我们的新方法利用Twitter数据，在多个空间尺度上使用机器学习技术来克服其局限性，以期望的分辨率提供结果。我们在2016年验证了我们针对佛罗里达州寨卡病毒爆发的方法。我们的主要贡献在于提出一种新方法，该方法利用机器学习社交媒体数据，以足够精细的空间分辨率识别病媒传播疾病的风险，从而实现有效干预。这将导致新一代流行病风险评估模型，承诺通过确定有针对性干预的具体位置来改变公共健康。
用于大规模社会推荐的三方异构图传播
原文标题： Tripartite Heterogeneous Graph Propagation for Large-scale Social Recommendation
地址： http://arxiv.org/abs/1908.02569
作者： Kyung-Min Kim, Donghyun Kwak, Hanock Kwak, Young-Jin Park, Sangkwon Sim, Jae-Han Cho, Minkyu Kim, Jihun Kwon, Nako Sung, Jung-Woo Ha
摘要： 图神经网络（GNN）已经成为一种有前途的关系表示方法，包括推荐系统。然而，社交图的各种具有挑战性的问题阻碍了GNN用于社交推荐的实际使用，例如其复杂的噪声连接和高异质性。 GNN的过度平滑也是基于GNN的社会推荐的障碍。在这里，我们提出了一种新的图嵌入方法异构图传播（HGP）来解决这些问题。 HGP使用group-user-item三方图作为输入来减少社交图中边的数量和路径的复杂性。为了解决过度平滑问题，HGP将节点嵌入到基于个性化PageRank的传播方案下，分别针对组用户图和用户项图。使用注意机制来集成来自每个图的节点嵌入。我们在包含1,645,279个节点和4,711,208个边的大规模实际数据集上评估我们的HGP。实验结果表明，HGP在AUC和F1-score指标方面优于多个基线。
基于区域风险与运动模式的犯罪率预测
原文标题： Crime Rate Prediction with Region Risk and Movement Patterns
地址： http://arxiv.org/abs/1908.02570
作者： Shakila Khan Rumi, Phillip Luong, Flora D. Salim
摘要： 基于位置的社会网络FourSquare帮助我们了解城市的大规模人类移动性。它提供的数据表征了跨区域和兴趣点（POI）的运动量，以探索城市的犯罪动态。为了充分利用人类运动进行犯罪分析，我们提出了区域风险因素，它将不同时间间隔内的月度综合犯罪与人类运动结合起来。然后，我们使用区域风险因子推导出许多特征，并在多个城市中对现实世界数据进行大量实验，以验证这些特征的有效性。
通过知识图谱嵌入和Twitter将医生与医学研究结果联系起来
原文标题： Linking Physicians to Medical Research Results via Knowledge Graph Embeddings and Twitter
地址： http://arxiv.org/abs/1908.02571
作者： Afshin Sadeghi, Jens Lehmann
摘要： 告知专业人员他们所在领域的最新研究成果是医疗保健领域的一项特别重要的任务，因为该领域的任何发展都直接改善了患者的健康状况。同时，社交媒体是允许公共即时共享信息的基础设施，因此它最近在医学应用中变得流行。在这项研究中，我们应用多距离知识图嵌入（MDE）将医生和外科医生与最新的医学突破联系起来，这些突破在Twitter上作为研究结果共享。我们的研究表明，使用这种方法，医生可以了解他们所在领域的新发现，因为他们有专门的职业。
多路图匹配的过滤器
原文标题： Multiplex graph matching matched filters
地址： http://arxiv.org/abs/1908.02572
作者： Konstantinos Pantazis, Daniel L. Sussman, Youngser Park, Carey E. Priebe, Vince Lyzinski
摘要： 我们考虑在较大的多路背景网络中检测噪声引起的多路模板网络的问题。我们的方法扩展了Sussman等人的框架。 （2019）到多路设置，利用经典图匹配问题的多路模拟将模板用作匹配滤波器，以有效地搜索候选模板匹配的背景。从理论上和经验上证明了我们方法的有效性，特别注意考虑多个渠道的潜在好处。
通过Bregman散度进行超链接回归
原文标题： Hyperlink Regression via Bregman Divergence
地址： http://arxiv.org/abs/1908.02573
作者： Akifumi Okuno, Hidetoshi Shimodaira
摘要： U :( in mathbb N）数据向量的集合称为 U -tuple，元组向量之间的关联强度称为超链接权重，假设为关于索引中条目的排列对称。我们在此提出Bregman超链接回归（BHLR），它学习用户指定的对称相似性函数，以便从存储在 U -tuple中的数据向量预测元组的超链接权重。诸如神经网络的非线性函数可以用于相似性函数。 BHLR基于Bregman散度（BD），包括各种现有方法，如逻辑回归（ U = 1 ），泊松回归（ U = 1 ），图嵌入（ U = 2 ），矩阵分解（） U = 2 ），张量因子分解（ U geq 2 ），以及配备任意BD的变体。我们证明，无论选择BD和 U in mathbb N ，建议的BHLR通常（P-1）对分布式错误指定具有鲁棒性，也就是说，它渐近地恢复了潜在的条件期望。给定数据向量的超链接权重，不管其条件分布如何，并且（P-2）计算上易处理，即，通过使用用于超关系数据的新颖的广义小批量采样过程的随机优化算法有效地计算它。此外，还提出了优化的理论保证。数值实验证明了所提出的BHLR的有希望的性能。
另一种区块建模
原文标题： Alternative Blockmodelling
地址： http://arxiv.org/abs/1908.02575
作者： Oscar Correa, Jeffrey Chan, Vinh Nguyen
摘要： 已经提出了许多方法来发现网络内的集群。社区发现字段包括尝试发现集群的方法，其中节点在其中紧密相关但与其他集群的节点松散相关。但是，社区网络配置不是图中唯一可能的潜在结构。核心外围和分层网络配置是在关系数据集中发现的有效结构。另一方面，仅通过知道每个节点的成员资格来完全解释网络。需要高层次的群集间关系视图。块模型技术处理这两个问题。首先，块模型允许查找除了众所周知的社区结构之外的任何网络配置。其次，块模型是网络的概要表示，其不仅涉及节点的成员资格而且还涉及集群之间的关系。最后，网络的唯一摘要表示不太可能。网络可能隐藏多个块模型。因此，我们提出的问题旨在发现网络的二级块模型表示，其具有良好质量并且与给定块模型不同。我们的方法通过两种方法呈现：（a）包含无链接约束和（b）图像矩阵之间的不相似性。两种方法都基于适合块模型表示的非负矩阵因子分解NMF。对这两种方法的评估涉及所发现的替代块模型的质量和不相似性，因为这些是问题的要求。
单纯复形的高阶度、多组合拉普拉斯算子以及拓扑数据分析在复杂网络中的应用
原文标题： Higher order degree in simplicial complexes, multi combinatorial Laplacian and applications of TDA to complex networks
地址： http://arxiv.org/abs/1908.02583
作者： Daniel Hernández Serrano, Darío Sánchez Gómez
摘要： 社会，生物或计算机科学中的许多真实网络都具有单纯复杂的固有结构，这反映了主体（和主体组）之间的多种相互作用，并构成了拓扑数据分析的基础。通常情况下，主体人在图表网络中的相关性是根据事件的边数量，程度来给出的，而在一个单纯的网络中，就我们所知，已经存在关于单纯性的邻接和程度的概念。 ，不适用于比较不同维度的单纯形。我们为单纯形复合体中的单纯形式提出了高阶低阶，高阶和广义邻接度的新概念，允许它们与它们的面之间进行任何尺寸比较。还给出了有向单纯复形中的新的多参数边界和边界算子，并定义了一种新的多组合拉普拉斯算子。这些算子推广了已知算子，并被证明是计算此处所示高阶度的有效工具。因此，这个数学框架使我们不仅可以阐明主体人的相关性，还可以阐明他们作为一个单纯的社区的相关性，并且还可以研究不同社区在单纯复杂中的协作程度。此外，它们是有效的可编程计算技术。还提出了单纯网络科学的一些潜在应用。
用于识别相关推文以支持实时态势感知的交互式学习
原文标题： Interactive Learning for Identifying Relevant Tweets to Support Real-time Situational Awareness
地址： http://arxiv.org/abs/1908.02588
作者： Luke S. Snyder, Yi-Shan Lin, Morteza Karimzadeh, Dan Goldwasser, David S. Ebert
摘要： 各种域用户越来越多地利用实时社交媒体数据来获得快速的态势感知。然而，由于数据泛滥中的高噪声，有效地确定语义相关信息可能是困难的，通过改变每个终端用户对不同事件的相关性的定义而进一步复杂化。用于短文本相关性分类的大多数现有方法未能将用户的知识结合到分类过程中。包含交互式用户反馈的现有方法关注于历史数据集。因此，分类器不能实时地针对特定事件或用户相关需求进行交互式重新训练。这限制了实时态势感知，因为不正确分类的流数据不能立即纠正，允许重要输入数据被错误分类的可能性。我们提出了一种新颖的交互式学习框架，以改进分类过程，其中用户实时迭代地校正推文的相关性，以便即时训练分类模型以立即进行预测性改进。我们计算评估我们的分类模型，适合以交互速率学习。我们的结果表明，我们的方法优于最先进的机器学习模型。此外，我们将我们的框架与扩展的社交媒体分析和报告工具包（SMART）2.0系统集成在一起，允许在为实时态势感知量身定制的可视化分析系统中使用我们的交互式学习框架。为了证明我们框架的有效性，我们提供了使用扩展SMART 2.0系统的第一响应者的领域专家反馈。
武器化的虚假信息如何破坏城市的电网
原文标题： How weaponizing disinformation can bring down a city's power grid
地址： http://arxiv.org/abs/1908.02589
作者： Gururaghav Raman, Bedoor AlShebli, Marcin Waniek, Talal Rahwan, Jimmy Chih-Hsien Peng
摘要： 社会技术使得以前所未有的规模传播虚假信息和操纵群众成为可能。从安全角度来看，这尤其令人担忧，因为在保护关键基础设施，特别是电网时，人类已被证明是最薄弱的环节。在这里，我们考虑一种攻击，其中对手试图通过发送虚假折扣通知来操纵能源消费者的行为，鼓励他们将消费转移到高峰需求期。我们进行调查以评估人们跟踪此类通知的倾向并将其转发给他们的朋友。这允许我们模拟虚假信息如何通过社会网络传播。最后，使用大伦敦作为案例研究，我们表明，虚假信息确实可用于协调攻击，其中不知情的消费者同步他们的能源使用模式，导致城市规模的停电。这些研究结果表明，在虚拟化可以武器化的时代，系统漏洞不仅来自关键基础设施的硬件和软件，还来自消费者的行为。
比特币中的反洗钱：利用图卷积网络进行金融取证试验
原文标题： Anti-Money Laundering in Bitcoin: Experimenting with Graph Convolutional Networks for Financial Forensics
地址： http://arxiv.org/abs/1908.02591
作者： Mark Weber, Giacomo Domeniconi, Jie Chen, Daniel Karl I. Weidele, Claudio Bellei, Tom Robinson, Charles E. Leiserson
摘要： 反洗钱（AML）法规在保障金融体系方面发挥着至关重要的作用，但却给机构带来了高额成本，并为那些社会经济和国际边的人带来了金融排斥。加密货币的出现引入了一个有趣的悖论：假名允许犯罪分子隐藏在视线之内，但开放数据为调查人员提供了更多的权力，并实现了法医分析的众包。与此同时，学习算法的进步为AML工具包带来了巨大的希望。在本研讨会的教程中，我们激发了将安全事业与金融包容性相协调的机会。我们提供椭圆数据集，这是一个超过200K比特币交易（节点），234K有向支付流（边）和166个节点特征的时间序列图，包括基于非公开数据的特征;据我们所知，这是任何加密货币中公开提供的最大标记交易数据集。我们使用Logistic回归（LR），随机森林（RF），多层感知器（MLP）和图卷积网络（GCN）的变体来共享预测非法交易的二元分类任务的结果，其中GCN作为新兴的新特别感兴趣捕获关系信息的方法。结果表明随机森林（RF）的优越性，但也邀请算法工作结合RF和图方法的各自功能。最后，我们考虑分析和可解释性的可视化，考虑到真实世界事务图的大小和动态，这是很困难的，并且我们提供了一个简单的原型，能够导航图并观察模型在非法活动中的表现。通过本教程和数据集，我们希望a）邀请反馈来支持我们正在进行的调查，以及b）激励其他人参与这一社会重大挑战。
循环多路网络的分数动态：连续时间随机游走的最佳耦合和远程导航
原文标题： Fractional dynamics on circulant multiplex networks: optimal coupling and long-range navigation for continuous-time random walks
地址： http://arxiv.org/abs/1908.02609
作者： Alfonso Allen-Perkins, Roberto F. S. Andrade
摘要： 这项工作分析了两层多路的分数连续时间随机游走。使用以节点为中心的动力学，其中假设步行者的泊松分布变为活动，而跳到其中一个邻居取决于连接权重。具有公知拓扑结构的合成多路器用于说明通过数值模拟获得的动态特征，而精确解析表达式用于由具有有限数量节点的循环层组装的多路器。特别注意 D_x 和层内 D_i 系数对系统行为的影响。与通常的离散时间动态相反，弛豫时间在 D_x / D_i 的最佳值处具有明确定义的最小值。已经发现，即使对于增强的扩散条件，步行器均方位移随时间线性增加。
动态社会网络预测个人心理健康的能力
原文标题： The power of dynamic social networks to predict individuals' mental health
地址： http://arxiv.org/abs/1908.02614
作者： Shikang Liu, David Hachen, Omar Lizardo, Christian Poellabauer, Aaron Striegel, Tijana Milenkovic
摘要： 精准医学在临床内外受到关注。我们通过利用个体的社交互动与他们的心理健康之间的关系来关注后者，从富裕的动态社会网络数据开发出一个人可能会感到沮丧或焦虑的预测模型。据我们所知，我们是第一个这样做的人。现有研究至少在一个方面与我们的工作不同：它们不会将社交互动数据建模为网络;他们这样做但分析静态网络数据;他们研究了社会网络与健康之间的“相关性”，但没有建立预测模型;或者他们研究其他个人特征但不研究心理健康。在系统和全面的评估中，我们表明我们使用动态社会网络数据的预测模型在运行相同数据时优于其静态网络以及非网络等价物。
发现供应链的相变行为以对抗破坏性事件
原文标题： Discovery of a phase transition behavior for supply chains against disruptive events
地址： http://arxiv.org/abs/1908.02616
作者： Qihui Yang, Caterina Scoglio, Don Gruenbacher
摘要： 在当今的全球经济中，由于需要战略性外包，供应链（SC）实体与需求和供应关系的联系越来越紧密。企业之间的这种相互依赖不仅提高了效率，而且还在系统中造成了更多的漏洞。洪水和交通事故等自然灾害和人为灾害可能会导致停止运营并造成巨大的经济损失。由于企业之间的相互依赖性，任何破坏的不利影响都可以在整个系统中得到放大和扩散。本文旨在了解SC系统对级联故障的系统行为。考虑到上限和下限负荷约束，即剩余库存和成本，我们通过数值模拟检查负荷减少和负荷波动情景下的失效实体的比例。我们还通过平均场理论提供分析结果。结果表明发生了一阶相变，未来政策制定者需要结合SC风险管理策略来考虑这种系统性风险失误，以提高系统的适应能力。关于下限参数，即每输出成本，对于所研究的场景，系统在功率定律分布下比均匀分布更稳健。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。