杜 蓉，梁 蕾，王 宁

0 引言

群体性突发事件是指在中国实现社会转型和经济转轨期间，由于人民内部矛盾积累到一定程度，在某个突发事件的刺激下突然引发，形成一定规模群众集体参与，为实现其共同利益诉求，采取游行示威、静坐请愿、群体上访、聚众围堵、攻击党政机关、堵塞交通，以及罢工、罢课、罢市等非法的暴力及非暴力手段，对社会的正常公共秩序和和谐稳定造成严重威胁或危害的群体行为。群体性突发事件的演化是事件在潜伏、爆发、发展和平息阶段所呈现的状态。随着互联网和手机通讯技术的发展，群体性突发事件呈现了一系列的新特点，如人群组织形式多样化、无直接利益冲突增多、参与群体多元化、非经济利益冲突增多等。这些新特点大大加剧了群体性突发事件的复杂性和政府治理的难度，进一步威胁社会的和谐稳定。群体性突发事件演化引起了国内外学者的广泛关注，对于事件形成演化的规律和舆论的传播已经成为当前研究热点。

基于物理、事理和人理的相关性，国外有不少学者越来越多地从社会物理学的角度研究群体行为问题。社会物理学是从实证科学角度用物理学规律研究人类社会的一种学说。人类活动是“自然秩序”的简单延伸，运用自然规律可以更加深刻地挖掘人类活动所遵循的内在规则。Brogan和Hodgins［1］建立了人群运动模型，该模型融合了粒子系统的原理和动力学原理。Philip Ball［2］采用物理学理论研究了社会群体行为的内在规律，提出了“社会能量”理论，实现了对社会能量的定量测定。中国科学院的牛文元分析了“社会燃烧理论”、“社会激波理论”、“社会行为熵理论”三大理论体系［3］，还通过对社会“活化能”和“社会温度”的理论分析，构建了社会和谐方程，实现了对社会和谐水平的有效测定［4］。张岩［5］运用加速度原理构建了非常规突发事件的社会物理学模型。随着网络等新媒体的兴起，从社会物理学视角对舆论传播的研究亦成为一股热潮。意大利卡塔尼亚大学Pluchino等［6］人借用耦合震荡粒子的震动频率的思想研究生物系统中的同步化，构建了舆论演化率模型。Damian H.Zanette［7］在研究舆论演化时，运用了物理学中的实空间重整化群的技术和系统动力学中的动力学方程。Zanette［8］基于社会网络中的小世界理论，研究了危机信息传播中的内在规律，建立了谣言的传播模型。贺筱媛等［9］建立了微观离散动力学模型，用来测量网民对信息感知的程度。刘怡君等［10］提出基于网络舆论传播的“集中度”，“组织度”，“临界度”，并试图运用仿真技术、社会网络分析及数据挖掘等方法实现网络舆论传播的定量应用。何敏华等［11］基于BA无标度网络，构建了舆论和网络结构相互影响的自适应舆论演化模型。李兰瑛［12］在以往元胞自动机模型的基础上，构建了新的网络舆论的传播模型，并运用计算机仿真技术，模拟了人员密度、大众媒介导向、人员移动几个特定的因素对舆论传播的影响。汪秉承等［13］统计了人类行为的特性，得出有很大一部分人类行为不能使用泊松分布过程来描述。杜蓉和梁红霞［14］基于复杂适应性系统理论，利用多主体建模方法，通过Netlogo平台模拟了公共危机信息在网络媒介中的传播过程。

本文从社会物理学的角度，分析群体性突发事件演化的内在规律，考虑政府、民众、媒体和意见领袖4类主体在事件演化中的作用，借用万有引力定律和动能原理思想构建了群体意见和群体行为演化的数学模型，在此基础上予以仿真分析，提出政府应对此类事件的系统性策略。

1 仿真模型的构建

复杂系统理论是复杂性科学的主要研究任务，它的主要目的就是要揭示复杂系统的一些难以用科学方法解释的动力学行为。生命系统、社会系统都是复杂系统。在复杂系统中，主体需具备一定的学习和适应能力，能与外界环境和其他主体进行互动，以此不断改变自身的结构和行为方式［14］。在群体性突发事件演化过程中，政府、媒体、意见领袖、民众等主体都具备这些性质，本文即在复杂系统理论的指导下，建立了群体性突发事件的群体意见和群体行为演化模型。

1.1 模型描述

本文在物理学中万有引力定律和动能原理的基础上，结合群体性突发事件演化的复杂性，提出了群体意见和群体行为演化模型。该模型主要是研究群体性突发事件演化过程中，政府处置力度、介入时间，媒体和意见领袖的权威性、影响力及介入时间等因素对群体意见和行为演化的影响情况。

1.2 模型假设

1）参与事件成员的个数、初始态度以及非理性程度作为已知条件。

2）政府为理性政府，在群体性突发事件演化的过程中始终扮演缓和事件的调解员。所以政府的意见始终为正向。

3）不同的个体对自己的意见的坚持程度是随着时间的变化而变化的，个人改变自己的意见说明个人更倾向于改变后的意见。本文在模型中假设所有个体对自己意见的坚持程度呈单调递增趋势，并且在单位时间增长的程度一定。

1.3 主体属性描述

根据群体性突发事件的舆论演化过程中主体的相互作用，本文设置了5类主体：民众、媒体、意见领袖、政府。

1.3.1 民众属性描述

意见：Oi（t）表示民众个体i的意见倾向，本模型把意见分为3种：正向、中性、负向。Oi（t）∈ ［0.34，1］时，表明民众i的意见为正向；Oi（t）∈ ［－0.34，0.34］时，表明民众i的意见为中性；Oi（t）∈ ［－1，－0.34］时，表明民众i的意见为负向。

意见坚持度：σi（t）指的是个体i对意见的坚持程度，它在 ［0，1］连续区间内取值。当σi（t）∈［0，0.33］时，个体i对自己的意见的坚持程度比较低，非常容易受到其他主体的影响；当σi（t）∈［0.33，0.67］时，表示个体i对自己的意见的坚持程度一般，可以受到其他主体的影响；当σi（t）∈［0.67，1］时，表示个体i对自己的意见的坚持度很高，不易受到其他主体的影响。

非理性程度：在［0，1］连续区间内取值。

行为状态：分为暴力行为、非暴力行为和无任何行为。在 ［0，1］连续区间内取值，其中当Di（t）∈ ［0.67，1］时，表示个体i在t时刻有暴力行为；Di（t）∈［0.33，0.67］，表示个体i在t时刻无明显暴力倾向，但也需要借助某种行为来发泄自己的不满；当Di（t）∈［0，0.33］时，表示个体i在t时刻不采取任何行为。

1.3.2 政府属性描述

意见：政府在舆论演化过程中，主要任务和表现就是引导和控制负面信息的演化，所以本文把政府的意见T（t）设为1，即政府在事件演化过程中始终持正向意见。

意见坚持度：g（t）指政府对自己传播的信息的坚持程度。由于其角色的特殊性，暂且不考虑政府对事件真实的看法，只考虑其在事件演化过程中传达给广大民众的意见，且意见坚持度只为1。

公信力：是指民众对政府的信任程度。C（t）∈［0，1］表示在t时刻民众对政府的信赖度，本文中的政府公信力只针对某个特定事件，公信力会随着政府对事件的处置力度而随时变化。

处置力度：政府对负面信息传播所采取的监管、引导和处理的程度，本文的政府的处置力度特指政府运用科学的处置策略对群体性突发事件演化所采取的应对力度。用S（t）来表示，在［0，1］连续区间取值。

1.3.3 意见领袖的属性描述

意见：Al（t）表示意见领袖l在时刻t意见的倾向。Al（t）在连续区间 ［－1，1］取值。

意见坚持度：指意见领袖对自己意见的坚持程度，即传达给民众的对自己所披露的信息的坚持程度，设为1。权威性：Mm（t）为t时刻意见领袖m 的权威大小，在［0，1］连续区间取值。影响力：Yl（t）是指t时刻意见领袖影响范围的大小，在［0，1］连续区间取值。

1.3.4 媒体的属性描述

意见：Mm（t）表示媒体n在t时刻的意见，在［0，1］连续区间取值。

意见坚持度：Mσm（t）表示媒体对自己发布的意见的坚持程度，Mσm（t）在［0，1］连续区间取值。

权威性：Qm（t）表示媒体m在t时刻的权威的大小，在［0，1］连续区间取值。

影响力：Im（t）表示媒体n在t时刻的影响范围，在［0，1］连续区间取值。

表1 各类主体的属性Tab.1 The property of all kinds of subjects

1.4 主体之间交互规则构建

在仿真模型中，民众的状态变化受到自身属性、其他民众、媒体、政府以及意见领袖的共同影响。舆论演化或传播是每个个体的不断选择或（被）说服的过程，最终表现形式是群体（或部分群体）行为的一致性。

1.4.1 民众之间的交互规则

在舆论传播的过程中，民众经常会针对这起事件进行相互之间的讨论、交流。由于民众自身的性格特点，有些民众会根据别人的意见来对自己的意见进行修正，也有的会坚持自己原来的意见。借用物理学中万有引力定律的思想，即引力的大小与两物体的质量的乘积成正比，与两物体间距离的平方成反比，在此，把民众对意见的坚持程度类比为物体的质量，把民众之间的意见差距类比为物体间的距离，把民众意见的影响类比为物体间的引力，从而体现了个体间在t时刻和t＋1时刻交互影响下的意见变化。

设t时刻个体j对个体i的影响函数S′i为

其中，σi为个体i的意见坚持度，1－σi为个体i的意见转移度，σj为个体j的意见坚持度，d为个体之间的意见差距。N为个体i的邻居数量。当dij＝0时，即个体i和个体j之间的意见距离为0，也就是个体之间持有相同的意见，那么个体i仍然坚持原有意见，即Oi（t＋1）＝Oi（t）。

1.4.2 民众与政府的交互规则

在群体意见形成的过程中，政府起着至关重要的作用。政府对群体性突发事件的介入时间越快、处置力度越大，就越容易有效控制群体意见走向；政府的公信力越强，民众越会支持政府的工作，这就从根源上遏制了负面舆论的蔓延。此外，政府对民众意见的瞬时影响力与政府的作用力有关。本文认为政府作用力是加速且累积的，包括政府对事件的处置力度和政府可变的公信力，政府的处置力度是政府从事件的潜伏阶段到事件演化过程中的某个特定时间的综合作用力。而政府公信力仅就该事件而言，政府给予民众的信赖感。因此，政府对民众意见的影响函数S′G为其中，1－σi（t）表示个体i的意见转移度，C（t）是t时刻政府的公信力，S（t）是t时刻政府的处置力度，a1＋a2＝1。由于政府与民众属于两种不同的主体，因此，由两个物体间的距离而影响的物体间的吸引力，即政府和民众之间的意见差距本文不予考虑。

政府下一时刻的公信力受此刻的公信力与政府处置力度的影响，具体表达为

其中，e1＋e2＝1，政府对某个事件的公信力受政府对事件的处置力度的影响，政府处置力度越大，民众对政府的信赖感越强，即公信力越强；反之，则越弱。

1.4.3 意见领袖与民众的交互规则

民众的意见受意见领袖的权威性和影响力大小的影响，意见领袖对民众i的影响函数S′L为

其中，Ml（t）为意见领袖l在时刻t的影响力，n为意见领袖的个数，Yl（t）为意见领袖l在时刻t的权威性，权威性和影响力在一个时期内被视为不变，b1＋b2＝1。由于意见领袖与民众属于两种不同的主体，因此，意见领袖与民众之间的意见差距不予考虑。

1.4.4 媒体与民众的交互规则

民众受媒体影响的程度与媒体权威性和影响力有关，媒体对民众i的影响函数S′M为其中，Qm（t）为媒体的权威性，Im（t）为媒体的影响力，s为媒体的个数，媒体对民众的影响力与媒体的权威性和影响力成正比，c1＋c2＝1。由于媒体与民众属于两种不同的主体，因此，媒体与民众之间的意见差距不予考虑。媒体在t＋1时刻的意见倾向受政府t时刻对事件的处置力度的影响，具体表达为

其中，Mm（t）为政府t时刻对事件的处置力度，且f1＋f2＝1。

1.4.5 群体意见与群体行为交互规则

群体性突发事件是群体意识转化为群体行为的过程。参与事件的民众在行为选择时具有一定的动能，简单地说就是物体因运动而具有的能量。本文运用动能原理的思想来描述民众在群体性突发事件演化过程中的行为状态。动能原理的思想为：所有外力对物体的总功，等于物体的动能的变化，即EK＝1／2（mv2）。在此，把民众的意见类比为物体的质量，把民众的非理性程度类比为物体的速度，把民众的行为状态类比为物体的动能，可具体描述为

其中，Pi（t）为民众i在t时刻的非理性程度，Di（t）为民众i在t时刻的行为状态，Oi（t）为民众i在t时刻的意见。

2 仿真实现及结果分析

在民众、政府、媒体、意见领袖4个主体的交互中主要包括民众与民众、民众与政府、民众与媒体、民众与意见领袖四大交互过程。模拟了政府介入时间、政府处置力度、政府公信力，媒体和意见领袖的权威性和影响力等因素对群体意见和群体行为的大体趋势的影响。

参数设置：在民众自身意见变化中，经过专家打分，设置民众之间的影响权重为0.2，媒体的影响权重为0.1，意见领袖的影响权重为0.2，政府的影响函数为0.5。在民众之间的交互过程中，民众的意见分布比例分别为：（－1，－0.6）和（0.6，1）各占1／10，（－0.6，－0.2）和（0.2，0.6）各2／10，（－0.2，0.2）占4／10。意见的坚持度为随机分布，但是随时间的变化而不断递增。在民众与政府的交互过程中，政府的初始公信力为0.5。

仿真模型验证：本文是以2012年四川什邡事件中民众的行为演变及参与数量为对比数据，本文给出四川什邡事件发生及演化过程中人群聚集的大体情况和趋势。图1中，opinion指意见，behavior指行为，number指参与事件的人数，negative，neutral和positive分别指消极、中立和积极的意见；violence，queit和non－vio分别指暴力行为、无任何行为和非暴力行为。从表2和图1可以看到，仿真数据与真实数据的变化趋势基本吻合，具有可信性，能较好地说明问题。

表2 四川什邡事件演化Tab.2 The evolution of Sichuan Shifang event

影响因素分析：设置只有民众参与，仿真运行20步。总参与人数达到18 000人，且呈持续的几何增长趋势。其中持负面意见的民众数量占大多数，正面意见的民众数量只有一小部分；在参与事件的民众中，大部分民众未采取任何行为，只是处于围观状态，只有少部分民众采取了暴力行为。如图2所示。

图1 仿真数据与真实数据比较Fig.1 The comparing between simulation data and real data

图2 只有民众参与的各数据变化Fig.2 Only the people participating in the data change

政府是群体性突发事件中群体利益的诉求对象或外部参与者，影响着群体性突发事件的演化。设置只有民众参与，仿真运行10步后，调整政府处置力度为0.9，再运行10步。参与民众数量的最高峰为328人，持负面意见和采取暴力行为及非暴力行为的民众数量经过一段时间的递增之后呈现递减趋势，可见政府在运用科学的方法和策略对群体性突发事件的处置力度对于控制和加快平息事件演化具有重要作用。如图3所示。

在仿真初始状态下，媒体和意见领袖均未参与，设置政府处置力度为0.9，仿真运行20步，参与民众数量最多为55人，且逐步递减，各意见的持有民众数量在经过短暂的升高之后立即呈下降趋势，且极少出现暴力行为。由此可见，当政府作为群众利益诉求对象，在运用科学方法和策略的前提下，政府对于群体性突发事件介入的时间越早越有利于控制事态的演化；当政府只是群体性突发事件的外部参与者，政府的及早介入也有利于缓和事件的恶性演化，进而达到维持公共秩序、维护公共安全的目的。如图4所示。

图3 政府中途介入时各数据变化Fig.3 The data changes when government intervenes at midway

图4 政府从事件初期介入时各数据变化Fig.4 The data changes when government intervenes at early time of the event

媒体和意见领袖均未参与，设置政府处置力度为0.5，仿真运行20步，参与事件的民众数量达到1 180人，持有负面意见和采取暴力行为的民众数量逐步增长。政府对于群体性突发事件的应对包含两个方面，即介入时间和处置力度。当政府对事件采取不正确的处置方式或者不积极执行应对策略，可能会对事件演化态势起到一定作用，但是极有可能会导致事件态势进一步恶化。如图5所示。

在只有民众参与的情况下，仿真运行10步，参与民众数量的最高峰为284人，负向意见占绝大部分，且呈递增趋势，暴力行为和非暴力行为亦逐渐凸显并增加。在没有任何其它参与者介入的情况下，群体性突发事件的演化会在短期内呈现愈演愈烈的趋势。如图6所示。

图5 政府处置力度较低时各数据变化Fig.5 The data changes when disposal strength of the government is low

图6 无其它主体参与时各数据变化Fig.6 The data changes when no other subject participating in

仿真恢复初始状态，增加3个持正向意见的媒体，权威性和影响力分别设置为0.9和0.86，仿真模型运行10步，持正向意见的民众数量在经过短时间的上升后呈现缓慢下降趋势，暴力行为极少出现，非暴力行为在后期逐步显现。虽然媒体不是群体性突发事件参与民众的诉求对象，但是权威性和影响力较大的媒体会在很大程度上引导舆论，左右参与民众对事件的看法和行为方式。如图7所示。

在只有民众参与的情况下，仿真运行5步，添加3个媒体，属性设置同上，仿真再运行5步，参与事件的民众数量最多为147人。媒体的介入事件的时间也在一定程度上影响着媒体对于民众意见和行为影响程度，媒体介入时间越早，对民众意见和行为的影响越大。如图8所示。

图7 主流媒体初期介入时各数据变化Fig.7 The data changes when mainstream media intervenes at early time of the event

图8 主流媒体中途介入时各数据变化Fig.8 The data changes when mainstream media intervenes at midway

增加3个持正向意见的媒体，仿真运行10步，设置其权威性和影响力分别为0.27和0.25，参与事件的民众数量较无其它主体参与时有部分减少。不同媒体对于群体性突发事件演化态势的影响不同，民众的意见和行为更易于倾向权威性和影响力较大的主流媒体。如图9所示。

媒体和政府均未参与，增加3个持正向意见的意见领袖介入，设置其权威性和影响力分别为0.85和0.95，仿真模型运行10步，参与事件的民众数量小幅度上升后不断下降，最高峰人数为55人。负向意见持有者仍占多数，在经过初期短暂增长后变化缓慢，非暴力行为和暴力行为在后期开始显现。在群体性突发事件演化过程中，意见领袖在一定程度上是民众意见的代言人，民众的意见和行为方式受到意见领袖的影响。同时，意见领袖的权威性和影响力也制约着其言论的有效性，权威性和影响力越大，民众对其言论的依赖程度越强。如图10所示。

图9 非主流媒体初期介入时各数据变化Fig.9 The data changes when non－mainstream media intervenes at early time of the event

图10 声望较高的意见领袖初期介入时各数据变化Fig.10 The data changes when high opinion leader intervenes at early time of the event

仿真运行5步后增加3个持正向意见的意见领袖，权威性和影响力分别设为0.85和0.95，仿真再运行5步。参与民众数量最大值为191人，持负向意见的民众数量呈持续上升趋势，民众的暴力行为和非暴力行为逐渐增多。可见，意见领袖介入事件的时间对于事态的演化有一定的影响，介入时间越早，对事态演化的影响越大。如图11所示。

意见领袖之所以成为意见领袖，在于其言论和行为会在很大程度上影响其他人。意见领袖的影响范围不同，可以是整个国家甚至整个世界，也可以是某个事件或事件的某个参与人群。调整意见领袖的权威性和影响力，分别设置为0.5和0.51。参与民众数量不断递增，最高峰达到248人。负向意见居多，暴力和非暴力行为逐步增多。可见不同的意见领袖对于事件影响程度不同，权威性和影响力较小的意见领袖对事态演化有一定的影响，但是影响程度较权威性和影响力较大的意见领袖小。如图12所示。

图11 声望较高的意见领袖中途介入时各数据变化Fig.11 The data changes when high opinion leader intervenes at midway

图12 声望较低的意见领袖介入时各数据变化Fig.12 The data changes when low opinion leader intervenes

从图2～图5可以看出，政府不采取任何措施的情况下，参与群体性突发事件的民众数量会不断增加，而且民众之间相互影响，导致持有负向意见的民众数量占大多数，还伴随有民众的暴力行为和非暴力行为。在事件发生一段时间之后政府采取有效措施介入的情况下，各意见持有者和行动者的数量都会有所下降，但是下降的比例较慢，其中可能伴随有少量的暴力行为。在事发初期政府就采取有效措施介入事件中的情况下，参与事件的人数会不断减少，并且少于民众参与数量的初始值，持负向意见的人数下降，也基本不会产生暴力行为。但是当政府大力采取了错误的措施，或者对于有效策略的执行不到位，参与事件的民众数量依然会逐步增长，只是增长幅度小于无政府状态的民众数量增长。由此可见，政府的行为选择对于群体性突发事件的演化起着主要作用。

从图6～图9可以看出，媒体的权威性和影响力影响着群体性突发事件的演化态势，权威性和影响力高的媒体对舆论的影响更大，民众的意见会部分倾向媒体意见，行为也会受到媒体意见的影响。权威性和影响力低的媒体对舆论的影响就相对较小，对舆论导向的力度较小，民众的意见和行为改变较小。媒体介入事件的时间不同对事件的影响不同，权威性和影响力相同的媒体在事件发生的第一时间介入与发生一段时间后介入对事件演化的影响程度不同。媒体介入的时间越快，对舆论导向越多，反之，则越少。

从图6～图12的对比来看，在没有意见领袖参与的情况下，参与事件的民众数量会逐步增加，当持有正向意见的权威性和影响力较高意见领袖参与到事件当中，会对参与事件的民众起到积极的引导作用，3种意见的民众数量都在减少，遏制了民众的负面情绪，一定程度上延缓了事件的恶性演化。由此可见，权威性和影响力较高的意见领袖在群体性突发事件演化过程中起着重要的引导作用。而权威性和影响力较低的意见领袖对事件的演化态势影响较小。意见领袖介入时间不同对事件的导向不同，介入越快，对参与事件的民众的意见和行为导向程度更高。

从以上的仿真结果中，可以归纳出一个共同点，无论是在政府、媒体、意见领袖参与或者不参与的情况下，事件趋于平息以后，暴力和非暴力事件会渐渐消失，但是持有负向意见的人群始终存在。这就说明，群体性突发事件的平息并不代表社会从此就完全回归和谐状态，民众的心中始终存在着不满。

3 结论

本文运用多主体建模仿真方法，基于物理学的相关原理，构建了群体意见和群体行为演化的模型，对群体性突发事件中各参与主体进行了属性描述，并建立了主体间交互的规则。通过对政府处置力度、介入时间，媒体和意见领袖的权威性、影响力和介入时间等参数进行调整，分析得出各影响因素对群体性突发事件中群体意见和行为演化的影响情况。

由于中国正处于社会转型的关键时期，各类矛盾渐渐凸显，群体性突发事件爆发频率增高。随着互联网和其它通讯技术的发展，高复杂性也成为了此类事件的重要标志。因此，政府在事件演化过程中的角色导向成为引导群体性突发事件演化的关键因素。一方面，政府应在黄金时间合理选择事件的处理方式，加强事件的处置力度；另一方面，政府应同主流媒体和声望较高的意见领袖沟通，引导其发挥对事件演化态势的积极导向作用。本文的仿真研究成果可作为政府应对群体性突发事件演化的决策工具，但构建的模型还不够完善。虽然构建了政府、媒体和意见领袖对群体意见和群体行为演化的影响模型，但没有考虑到媒体、意见领袖和民众对政府的影响，且未对政府处置力度的构成进行划分，因此，各主体间的交互规则有待进一步的细化与整合。

［1］ Brogan D，Hodgins J.Group behaviors for systems with significant dynamics［J］.Autonomous Robots，1997，4：137－153.

［2］ Ball P.Critical Mass：How One Thing Leads to Another［M］.USA：Heinemann Company，2004，87－88.

［3］ 牛文元.社会物理学－学科意义与应用价值［J］.科学，2002，54（3）：32－35.Niu Wenyuan.Social physics academic－subject Significance and application value［J］.Science，2002，54（3）：32－35.

［4］ 牛文元.社会物理学理论与应用［M］.北京：科学出版社，2002：1－3.

［5］ 张岩.非常规突发事件态势演化和调控机制研究［D］.合肥：中国科学技术大学，2011：22－25.Zhang Yan.The unconventional emergency situation evolution and.regulation mechanism research［D］.Hefei：Science and Technology University of China，2011：22－25.

［6］ Pluchino A，Latora V，Rapisarda A.Changing opinion in a changing world：a new perspective in sociophysics［J］.International Journal of Modern Physics C，2005，23（8），125－126.

［7］ Damian H.Zanette.Emergence of Dynamical Order：Synchroniz［M］.USA：World Scientific Publishing Company，2004，357－358.

［8］ Zanette.Dynamics of rumor propagation on small－world networks［J］.American Physical Society，2002（5）：8－9.

［9］ 贺筱媛，胡晓峰，司光亚.基于社会物理学的网络信息传播行为仿真研究［J］.系统仿真学报，2010，（12）：2957－2962.He Xiaoyuan，Hu Xiaofeng，Si Guangya.The simulation research of network information dissemination behavior based on social physics［J］.Journal of Simulation System，2010，（12）：2957－2962.

［10］李倩倩，刘怡君，牛文元，顾基发.基于“三度”法的网络舆论传播研究与应用［J］.上海理工大学学报，2011，33（4）：337－344.Li Qianqian，Liu YIjun，Niu Wenyuan，et al.The research and application of public network opinion dissemination based on the“three degrees”law ［J］.Journal of Shanghai Science and Technology University，2011，33（4）：337－344.

［11］何敏华等.基于无标度网络拓扑结构变化的舆论演化模型［J］.物理学报，2010，（8）：5175－5181.He Minhua.etal.The public opinion evolution model based on the change of scale－free network topology structure［J］.Journal of Physics，2010，（8）：5175－5181.

［12］李兰瑛.基于CA的网络舆论传播因素的研究［J］.科学技术与工程，2008，8（22）：6179－6183.Li Lanying.The research of public network opinion dissemination factors based on CA ［J］.Science Technology and Engineering，2008，8（22）：6179－6183.

［13］汪秉承，周涛，周昌松.人类行为、复杂网络及信息及信息挖掘的统计物理研究［J］.上海理工大学学报，2012，34（2）：103－117.Wang Bingcheng，Zhou Tao，Zhou Changsong.The statistical physics research of human behavior，the complex network of information and information mining［J］.Journal of Shanghai Science and Technology University，2012，34（2）：103－117.

［14］杜蓉，梁红霞.公共危机事件中政府对网络舆论的引导仿真［J］.情报杂志，2011，（11）：61－66.Du Rong，Liang Hongxia.The simulation of government guidance of public network opinion in public crisis［J］.Journal of Information，2011，（11）：61－66.