在COVID-19大流行的今天,深入理解疾病的传播规律对于我们了解疫情的发展具有很大的帮助。论文首先介绍了近年来国内外对疾病传播的相关研究,进一步介绍了在本文中用到的相关理论知识,包括复杂网络理论知识和流行病传播模型的相关介绍等内容。其次,论文运用SIR模型对部分国家的COVID-19实证数据及不同网络模型中疾病的模拟进行研究分析。通过统的SIR模型对实证数据的拟合,结果表明:中国、美国、印度、韩国前期的数据拟合效果较好,日本、意大利拟合优度较低;在使用改进后的时变参数SIR模型对日本、意大利数据拟合时,结果较好;中国、美国、印度、意大利前期疫情爆发属于疾病自由发展阶段,不受人为干预,更符合模型的前提条件。通过模拟SIR疾病传播模型在不同网络模型中的传播,讨论主要参数对疾病传播时间、患病率的影响性大小,结果表明:不同网络中传染率、移除率对疾病传播时间、患病率的影响是有差别的:i)在一定参数下,Erd?s-Rényi（ER）随机网络、Watts-Strogatz（WS）小世界网络中传染率对疾病传播时间的影响较大;Barabasi-Albert（BA）无标度网络中移除率对传播时间的影响较大。ii)在一定参数下,ER随机网络、WS小世界网络、BA无标度网络中均为传染率对患病率的影响较大。最后,论文基于元胞自动机模型,通过数值分析对主要参数与疾病传播的灵敏度进行分析。分别对传染率（β）、移除率（γ）、新增患者率（μ）与患病率的弹性系数、相关性系数、显著性水平进行了研究,最终根据研究结论对三个参数与患病率的影响性进行了排序,弹性系数分析结果表明:在低新增患者率下,参数对患病率的影响性排序为:γ＞β＞μ;在高新增患者率下,参数影响性排序为:γ＞μ＞β。相关性分析结果表明:三个参数与患病率的相关性排序为:γ＞β＞μ。通过不同灵敏指标的分析,最终得出,移除率对患病率的影响性较大。