摘要：本文基于SEIR 模型，利用Netlogo 仿真软件对重大突发事件舆情传播进行虚拟仿真。通过改变参与总人数、网民活跃度及谣言源头数，观察舆情传播情况，为舆情风险分析与应对策略提供依据。关键词：重大突发事件；舆情；传播模型；仿真分析

1、背景

重大突发事件的应急处置和风险研究已成为国家安全工作重要部分。习近平总书记在相关报告中强调国家安全的重要性，提出健全国家安全体系，强化协调机制，完善应急管理体系等。此外，重大突发事件舆情现状与趋势值得关注。近十年发生重大突发事件 487 余起，不同类型事件占比各异，舆情传播时间多在1 个月以内。国内研究侧重舆情演化、引导和治理，监测预警是重要部分，但研究多集中在特定方面，对舆情传播过程整体可视化研究较少，监测预警评价方法也较单一。

2、SEIR 传播模型仿真

本章节基于 SEIR 传播模型使用 Netlogo 仿真软件对舆情的传播过程进行虚拟仿真。使用 SEIR 仿真模型，假设总人数 N 分五类 S（无知者）、E（接触者）、I（信谣者）、R（理智者）、D（沉寂者）且无迁入迁出，各群体转变率固定，个体在活跃范围内随机运动。

SEIR 舆情传播模型的传播机理如图2.1 所示，

在本次基于SEIR 模型的舆情传播仿真研究中，我们通过Netlogo 仿真软件，在“to go”一级命令下精心调用了移动、感染、传播、恢复沉寂以及判断模型类型这五个核心例程，以模拟复杂多变的舆情传播环境。

移动例程运用随机游走模型，依据预设的 speed 参数灵活调整 agent 的运动能力，生动再现了个体在现实空间中的移动模式。在感染例程中，我们设定当具备传播能力的接触者或信谣者与无知者处于同一瓦片，且无知者的谣言分辨能力低于舆情传播能力时，无知者将转变为接触者，甚至进一步成为信谣者。这一机制深刻揭示了舆情传播中信息接触与态度转变的动态过程。

传播例程则模拟了接触者潜伏期满后转变为信谣者，以及信谣者随后经历的康复过程，完整呈现了舆情从酝酿到爆发，再到逐渐平息的生命周期。

为深入探究舆情传播规律，我们分别改变了参与总人数、网民活跃程度和谣言源头数这三个关键变量。以参与总人数为例，固定网民活跃程度和信息传播能力后，发现参与总人数越多，理智者出现时间越晚，信谣者峰值越大、人数越多，无知者人数下降越快，接触者曲线也越易出现明显波峰。

在改变网民活跃度的仿真中，我们发现网民活跃程度越低，无知者人数下降速度和理智者人数上升速度越缓慢，但网民活跃度的改变主要影响的是各趋势曲线的上升或下降速度，而非最终数值。而在改变谣言源头数的仿真中，我们观察到谣言源头数越多，信谣者人数变化曲线达到峰值的曲线越陡峭，这凸显了谣言源头对舆情传播速度和态势的重大影响。

3、实例分析

3 月 10 日下午，河北省邯郸市肥乡区 13 岁初中生王子耀失联。新京报记者从王子耀家属处获悉，11 日王子耀的遗体在北高镇张庄村一处大鹏内被发现，涉嫌杀害他的同班同学，三名不满14 岁的少年。根据微博平台官方数据统计显示，截止2024 年4 月总阅读量已达3.4 亿，讨论量达7.9 万，互动量达68.7 万，原创量高达1.1 万，事件发生后七天内的数据趋势图如图2.2 所示。

根据图 2.2 的图像可知，该事件七天内的数据走势图与信谣者人数走势图基本保持着一致的走向，将其进行对比结果如图2.3 所示。

由图2.3（a）（b）对比可以观察出以下结论：

（1）真实案例中传播趋势走势图与仿真结果的总体走势图基本一致；

（2）两张走势图中的曲线第一次达到峰值的时间在置信区间内可以基本认定一致。

但是两图结果的增减幅度存在着明显的差别，分析其原因发现，微博中的数据走势图仅仅是分析了在微博平台的传播情况，除微博平台外还有抖音、快手、微信视频号等网络社交媒体平台可以进行信息的传播，而在仿真过程中Turtles 仅在 Netlogo 这一个仿真世界当中进行运动与传播，所以在曲线走势的变化速度上真实案例与仿真结果之间存在着差异。综合分析后该仿真模型是可以仿真出突发舆情事件的传播情况的，而且仿真结果比较贴合实际情况，因此对仿真结果的分析是具有实际意义的。

4、风险识别

针对本次仿真结果对舆情的风险进行识别。当参与总人数越多时，将可能发生信谣者人数和接触者人数剧增峰值也更大的不利情况；当网民活跃度居高时，将可能发生各趋势的上升或者下降速度更快的情况；当出现谣言源头数增加时，将可能发生信谣者人数变化曲线达到峰值的曲线越陡峭也即是舆情的传播速度也将更加迅速的情况；这些情况的发生不受时间、空间等限制。从承灾载体方面分析，这些不利情况的产生将会对公民的心理健康、社会秩序的稳定、经济的发展等带来不利的影响。对于本次仿真的定量化风险评价分析在第四章采用层次分析法，构建指标体系，对于本次虚拟仿真的结果进行定量化的分析。

5、总结

本文利用 Netlogo 与 SEIR 模型对舆情传播进行虚拟仿真，分析了突发事件舆情特点及风险因素。仿真揭示了信谣者曲线在短时间内达峰后缓慢下降的规律，并识别出参与人数、谣言源头数和网民活跃度为三大主要风险因素，为舆情防控提供了依据。

参考文献：

[1] 王来华 . 论网络舆情与舆论的转换及其影响 [J]. 天津社会科学 ,2008, (04): 66-69.

[2] 杜志超 . 自媒体时代网络舆情应对策略 [J]. 中国报业 , 2023, (03):24-25.

[3] 刘飞, 翟优, 孙朝云. 网络舆情的特征与传播及管控对策研究[J].产业与科技论坛 , 2023, 22(23): 286-288.

[4] 林紫晓. 如何构建应对突发公共事件网络舆情的长效机制[ ]. 记者摇篮 , 2023, (12): 150-152.

[5] 彭文静 . 公共安全突发事件网络舆情治理对策研究 [J]. 公关世界 ,2023, (23): 37-39.