网络技术的应用与发展(如5G、物联网、大数据等)使人与人之间的交流更加便捷,除了传统的面对面接触交流,在线上社交软件中的交流已成为人们沟通的又一重要方式。对信息在线上社交软件与实际个体之间的交互与传播进行建模已经成为信息科学领域极具挑战性的课题,引起了众多学者的关注。其中,很多模型采用多层网络的方法来建模信息传播,讨论了多层网络中相互竞争或促进的传播现象,通过平均场分析或马尔科夫链推导感染概率临界阈值,利用仿真模拟观察模型的动力学表现。从模型中得出的结论对现实生活中的防控策略具有一定的指导意义。随着各类网络应用的涌现,对复杂网络化系统中传播现象开展有效的建模和分析仍是网络科学领域的一个热点问题。为此,本文通过建立多层网络传播动力学模型来模拟复杂的现实系统,进一步分析传播现象,以探究多层网络中信息扩散的耦合动力学关系。论文主要研究成果以及创新性工作包括以下两个方面:1)提出耦合线上与线下社交网络的多层网络传播模型。这一模型耦合两种不同的线上社交软件网络与线下实体网络,在个体选择与信息传播的共同作用下,观察两种传播源之间的竞争和动态过程。在传统SIR模型的基础上提出考虑线上网络与线下网络之间信息交互的Improved-SIR模型,给出平均场方程来分析感染概率的临界阈值,并利用蒙特卡罗模拟进行了大量的仿真实验以验证理论分析。结果表明Improved-SIR模型与传统SIR模型有着不同的演化过程,两种互相竞争的传播源可以在多层网络模型中共存。2)提出多层时变有向网络上的信息传播模型。模型由两层社交软件网络组成,信息可在某一层网络中传播,也可以由其中一层网络向另一层网络传播。考虑网络的时变性和有向性,利用活动驱动网络模型构造网络,将层内连边与层间连边的有向性分类讨论,采用SIS模型模拟信息传播的过程,并利用Temporal Gillespie算法进行仿真模拟,通过仿真实验近似感染概率临界阈值,结果表明网络有向性是影响传播结果的重要因素,在层间有向的网络中感染概率的临界阈值要比层内有向的网络更大。