在传染病暴发期间,社交媒体在提醒和教育公众方面发挥着重要作用。通过提高对该疾病及其预防的认识,可以导致行为改变影响接触发病率,疾病的传播可以增强危机意识,从而促进信息的传播。随着移动技术的不断发展和普及,社交媒体有望在传染病建模领域发挥越来越突出的作用,以提高其预测能力。因此,学者们通过建立基于复杂网络的传染病模型,来深入浅出的分析数学模型所反映的现实问题。针对以上现象建立了数学模型,以研究疾病信息与传染病共演化模型,本文的主要研究内容如下:（1）根据2019年新型冠状病毒（COVID-19）传染病的传播机理和媒体疾病信息的影响,提出具有疾病信息影响的SIHRS传染病模型。利用下一代矩阵方法计算出基本再生数,证明了无病平衡点和地方病平衡点的全局渐近稳定性。基于湖北省1月26日至2月13日的疫情报告数据,通过数值模拟对理论分析结果验证,考虑了媒体报道信息贯彻率和接触率不同时,对疾病传播规模和达到峰值时间的影响进行了分析。结果表明,如果信息执行率降低,确诊病例的高峰将延迟到达,并将显著增加。因此,为了做好复工后的预防措施,很有必要保持较高的媒体信息量和媒体报道的执行率。（2）针对COVID-19疫情期间媒体疾病信息报道和政策法规宣传,建立了具有脉冲时滞响应的SIHRS传染病模型,利用信息论对疾病信息进行量化,考虑了确诊病例数和医疗资源的报道信息对民众情绪的正负面影响。为了抑制民众的负面信息量,引入具有脉冲时滞响应的政策法规信息宣传因素。利用武汉市COVID-19疫情的报道数据对系统模型进行仿真验证。主要结果表明:在确诊病例影响下产生负面信息量的贯彻率逐渐减小到0.4倍时,累计确诊病例将大幅降低至约3.7万例,表明疫情相关媒体信息普及要广泛;当受政策法规信息量影响的贯彻率逐渐增大到3倍时,累计确诊病例将大幅降低至约2.8万例,表明政策法规宣传信息的持续报道和落实到位对减少感染病例数量效果明显;当政策法规信息量对负面信息量的抑制率逐渐增大到3倍时,累积确诊病例也将大幅降低至约2.7万例,表明针对性的政策法规信息对抑制负面情绪具有良好的效果。（3）由于疫情期间媒体的多样性,民众接收信息的异质性,媒体信息诱导的疫情防控意识有积极和消极之分,针对此建立了一个基于正负面信息影响的网络传染病模型。首先,利用下一代矩阵方法计算出基本再生数,分析了无病平衡点和地方病平衡点的动力学性态。为了控制感染人数,降低接触率和宣传成本,同时达到媒体的积极宣传效果,对接触感染率和媒体报道实施率进行时变控制,得到了模型的最优控制解。最后,通过数值仿真验证了理论分析的结果。结果表明:疾病信息并不会影响传染病的传播阈值,但是可以有效的减少感染的人数;正面信息的有效宣传,负面信息的抑制能有效的增强人们的预防意识,从而达到抑制疾病传播,降低感染规模的效果。（4）针对不同易感者自我保护措施的不同,以及疫情期间接触行为的变化,建立了一个媒体信息影响的网络传染病SIS模型。将易感染者分类,并采用非线性发生率来反映受媒体影响的一类易感者的感染率。利用下一代矩阵法计算出基本再生数,分析了无病平衡点和地方病平衡点的动力学性态。为了控制感染人数,降低接触率和宣传成本,同时达到媒体的积极宣传效果,对隔离率进行时变控制,得到了模型的最优控制解。通过数值仿真验证了理论分析结果的有效性。结果表明:媒体报道参数并不会影响传染病的传播阈值,但是隔离率会影响基本再生数的值;当媒体报道的强度和政府的宣传力度达到一定条件时,会抑制疾病的持续和吸引性;通过敏感性分析,选择针对形势的时变可控制量作为控制参数会降低基本再生数,并且时变控制对疾病的控制效果显著。本文的主要创新点包括:考虑了媒体报道信息的饱和效应,利用信息理论对染病者产生的媒体信息进行量化,为信息量化提出新的思路;通过负面信息刻画过度的媒体报道引起的恐慌等负面现象;多维信息因素对疾病传播的影响,如法律法规和制度政策通过脉冲系统来刻画;感染率采用含参发生率函数更现实的反映意识对疾病传播的影响推动了疾病信息意识模型的进一步研究。