在疾病传播的过程中,也伴随着疾病相关信息的传播。在现实世界中,疾病通常是通过熟人建立的真实接触网络进行传播。疾病相关的信息更多的是通过虚拟社交网络传播。对疾病相关信息的扩散和疾病的传播之间的相互作用进行建模已成为复杂网络传播动力学具有挑战性的课题,引起了广大学者的关注,并得到了一些有价值的成果,对疾病的防控具有一定的指导意义。近年来,很多模型采用双层网络来建模,讨论信息扩散和疾病传播的相互作用,通过平均场分析或微观马尔可夫链方法推导疾病爆发阈值,然而,在现实生活中,由于各种原因,感染者不一定会及时更新信息层的状态而将自己感染传染病的消息通知给他社交网络上的朋友。同时,也会有知道疾病相关信息的个体,不愿意或没有采取有效的预防措施,促进了疾病的进一步传播。针对以上现象,本文通过建立双层网络传播动力学模型来研究信息扩散和疾病传播,深入分析传播现象,以探究双层网络中信息扩散和疾病传播的耦合动力学关系。论文的主要创新性工作包括以下两个部分:（1）提出静态网络部分映射的UAU-SIS（unaware/aware/unawaresusceptible/infected/susceptible）模型,研究静态网络中信息扩散和疾病传播的相互作用。其中一层代表疾病相关信息的扩散网络,而另一层则用作疾病传播的网络;同时,在该模型中部分节点在两层之间存在映射关系,如果相应的节点在两层网络中不存在映射关系,信息和疾病将在各自层独立传播。本文用对应率描述节点中存在映射关系的节点占总节点的百分比,然后根据微观马尔可夫链（Micro Markov Chain,MMC）方法研究该模型,得到该模型的阈值解析式。通过大量的实验验证该方法的有效性,并得到对应率对疾病爆发阈值和疾病传播规模都有影响的结论。实验结果表明对应率增大可以增大疾病的爆发阈值和降低疾病的传播规模。（2）提出时变网络部分映射的UAU-SIS模型,研究网络拓扑结构变化的网络中信息扩散对疾病传播的影响。模型由两层网络构成,其中一层代表疾病相关信息的扩散网络,另一层代表疾病传播网络。考虑到网络的时变特性,利用活动驱动网络模型构造网络。首先,通过MMC方法得到该模型的疾病爆发阈值并使用蒙特卡洛（Monte Carlo,MC）仿真模拟验证该方法的有效性。其次,实验表明对应率低时信息层节点活动水平异质性对疾病传播作用较小;不同对应率情况下,疾病层节点活动水平异质性都会影响疾病传播。最后,信息层和疾病层节点活动水平相关性也会影响传染病的爆发规模,正相关性越强,越有益于抑制疾病传播。