肾综合征出血热(hemorrhagicfeverwithrenalsyndrome，HFRS)，是由汉坦病毒(Hantavirus，HV)引起的人类自然疫源性动物源性病毒性急性传染病，严重危害着人类的健康和生命。目前，数学模型在探讨肾综合征出血热发病原因、分析发病现状和预测流行趋势等方面应用较广。传统方法的模型存在很多不足，而神经网络能学习训练输入、输出数据之间的函数关系，从而对未来的输出数据做出准确预测，很适合处理那些因果关系不明确的，需要同时考虑许多因素和条件的，用传统统计方法难以解决的问题。神经网络模型中，最常见的为误差反向传播(Back-Propagation，BP)神经网络模型，已广泛应用于药学、环境科学等方面，取得了很好的效果。 本文拟用BP人工神经网络对沈阳地区的HFRS的发病率进行预测，旨在探讨人工神经网络预测模型在HFRS发病率预测上的应用前景。 材料与方法1.材料HFRS疫情资料：选取沈阳市1984年至2003年的HFRS年发病率(1/10万)；鼠情选自沈阳市疾病控制中心于每年春、秋两季在监测点收集的监测数据。包括鼠密度和鼠带毒率。 2.方法利用沈阳的气象资料(包括平均气温、相对湿度、降水量和日照)和动物疫情资料(包括鼠密度和鼠带毒率)共六个指标作为神经网络的输人，把1984～2003年沈阳肾综合征出血热发病率作为神经网络的输出。选择1984～2001年的数据，利用STATISTICANeuralNetwork(STNN)建立误差反向传播网络(BP网络)预测模型，然后训练网络、预测2002和2003年的发病率。同时用上述指标建立线性预测模型，其结果与神经网络模型进行比较。 结果对于BP神经网络，其平均误差率为7.89％，非线性相关系数为0.896。对于线性回归模型，其平均误差率为24.78％，非线性相关系数为0.711。 结论BP人工神经网络可以用于HFRS发病率的预测，效果好于传统的线性回归方法。