流行性感冒,简称流感,是一种传染性强、传播速度快的急性传染病,给世界各国和地区造成了极大的健康威胁和损害。因此,科学有效的进行流感防治具有重大现实意义。在流感防治工作中,准确的预测其发病趋势是极其重要的一环。随着预测理论及预测技术的发展与完善,越来越多的统计理论、预测方法及统计模型被应用于传染病的预警。但是,对某一单一因素的分析无法全面把握传染病的流行特征及规律,考虑到历史数据具有的趋势性与新兴网络大数据具有的实时性,本文采取将流感发病历史数据与网络搜索实时数据相结合的方法建立流感发病趋势预测模型对全国流感发病率进行预测。本文的主要研究内容及成果如下:第一,构建了用于预测流感发病率的网络搜索数据指标体系。本文首先通过文本挖掘技术对从丁香医生等在线问诊平台中爬取到的300篇流感相关文本进行关键词提取与词频统计,从中得到10个初始网络搜索关键词。然后,利用需求图谱法等方法对初始关键词进行扩展,得到了包含118个网络搜索关键词在内的备选词库,接着利用时差相关分析从中筛选出19个与流感发病率具有高度相关性的先行网络搜索关键词,再利用Lasso回归的方法对得到的先行关键词进行二次筛选,以消除数据间的共线性,最终得到了七个网络搜索关键词作为预测流感发病率的指标。第二,基于历史数据与网络搜索数据,分别建立了SVR、随机森林、BP神经网络这三种单一机器学习模型对流感发病率进行预测。结果表明利用网络搜索数据可以预测流感发病率,且利用了网络搜索数据后所建立的预测模型相较于传统模型具有更高的预测精度。其中,预测误差最小的是SVR模型,其次为随机森林模型,预测误差稍大的是BP神经网络模型。第三,分别利用误差倒数赋权法和GBDT算法对SVR、随机森林、BP神经网络这三种单一预测模型进行加权融合与Stacking融合,通过比较两种融合模型与各单一预测模型的结果,发现融合模型具有更好的预测效果,其中利用GBDT算法进行Stacking融合后得到的模型预测精度最高,模型平均相对误差率为4.2%。