流行性感冒极易于每年秋冬季在人群中流行传播,严重影响人们的生命安全和生活节奏,流感疫苗可以帮助人体提高免疫力,有效保护人体避免感染流感病毒。目前各国公共卫生机构的一项重要任务就是制定各种流感疫苗接种政策,从而提高流感疫苗在人群中的普及率,保障人民的生命健康安全。由于个人对流感疫苗的了解程度较低或其他原因,有不少人对接种流感疫苗持犹豫或拒绝的态度,这对流感疫苗的接种工作造成了一定的困难。因此需要分析各地群众接受或拒绝接种流感疫苗的原因,因地制宜地调整流感疫苗宣传和接种策略,从而提高季节性流感疫苗的接种率。同时卫生健康部门和医药企业还可以根据对各地群众流感疫苗接种态度的预测结果,动态调整各地生产和分配的流感疫苗数量,提高流感疫苗接种工作的效率。本文针对流感疫苗接种意愿预测问题,使用公开的民意调查数据集,在数据分析的基础上进行缺失值处理、采用PCA方法选取有效特征等数据预处理工作,降低数据噪声对模型准确率的影响。同时在训练模型之前使用Optuna框架寻找集成学习模型的最优超参数,提高模型的训练速度。然后基于Stacking方式融合Light GBM、GBR和XGBRegressor三种集成学习模型,通过K-折交叉验证方法分别评估Stacking集成模型、CNN和XGBRegressor模型的性能,根据评估结果选取合适的权重组合,采用线性加权方式融合所有机器学习模型,得到最终的流感疫苗接种意愿预测模型。经过实验,对比单个基础模型和多模型融合的表现,发现融合后的模型对数据集样本的学习和预测能力更为优秀,且本文设计并采用的融合模型的表现与其他模型组合相比有进一步提升,提高了对个体流感疫苗接种意愿预测的准确率。在实现集成学习和融合模型的基础上,本文将机器学习技术和公共卫生健康领域相结合,对流感疫苗接种意愿预测系统进行可行性分析和需求分析,进而设计系统的层次架构、功能模块和数据库表。然后基于Python的Django和多种机器学习框架开发流感疫苗接种意愿预测系统,并采用Vue框架设计能够与用户友好交互的Web页面,使用关系型数据库Mysql长期存储系统和用户信息,实现对居民样本数据的在线收集和实时预测分析。系统在后台预测各地区居民的流感疫苗接种意愿,将统计分析的结果反馈给使用该系统的卫生工作人员,协助其掌握各地流感疫苗接种意愿的主要趋势,有效改进流感疫苗接种工作。卫生工作人员还可以通过该系统向居民用户传播当地最新的流感疫苗接种政策,扩展流感疫苗接种事项的宣传渠道,方便城市居民通过网络及时了解和关注流感疫苗接种信息的动态。