传染病在人类历史上屡次对人类生命及财产安全造成重创,从天花、鼠疫、SARS再到2019年底爆发的新冠疫情,每次大规模疫情的爆发都对人类社会的正常发展造成了不可估量的损失。在与传染病的漫长斗争过程中,人们尝试各种方法研究传染病的传播规律以预测其发展趋势,因此传染病动力学模型应运而生,它能够根据群体内各状态人数变化情况、环境因素和人为因素对疫情的发展趋势进行定量预测。模型的数据输入是预测不可或缺的必要条件,因此在提高传染病动力学模型预测精度的同时,还需要为其开发具有疫情数据录入和数据管理功能的疫情监测预警系统。此外,为了给用户提供便捷的疫情数据获取途径,该系统还应具备图表、地图等数据可视化展示功能。论文以此为背景,利用经典易感-感染-治愈（Susceptible-Infected-Recovered,SIR）传染病动力学模型对疫情发展趋势进行预测,并考虑人员外出频率对感染率的影响对模型进行了改进,提高其短期预测精度。同时,为了充分发挥模型短期预测能力,论文开发了疫情监测预警系统,为改进后的模型提供了高实时性的病例数据源和数据可视化展示功能。该系统的设计与实现主要针对以下三个问题:第一如何改进SIR传染病预测模型,提高其预测精度;第二如何实现系统的数据录入及展示功能;第三如何提高系统对大规模数据或短时间内爆发式数据的应对能力。为解决上述问题,论文进行了如下工作。（1）在经典SIR模型的基础上研究人员外出率变化对疫情传染情况的影响,结合双线性发生率与标准发生率,提出了一种分段发生率函数,提高了SIR模型对人员外出率变化的敏感程度,使经典SIR模型得到了优化。另外,考虑到实际传染过程中接触距离对接触概率的影响,又对经典SIR模型的感染率按照接触距离进行了分解,使其更精确地描述不同距离下的传染过程。（2）利用Python编程,对优化后的SIR模型所描述的传染过程进行了模拟;同时利用Java实现了基于浏览器/服务器架构的疫情监测预警系统,使该预警系统具有病例信息录入、数据管理和数据可视化展示等功能。（3）论文搭建Hadoop分布式集群,扩展了预警系统的存储空间,满足了预警系统大规模数据存储与运算的需求。经编程模拟实现,对比表明改进后的模型误差平方和与经典SIR模型相比降低了14.97%,同时,疫情监测预警系统能够为改进后的模型提供数据输入、数据管理和数据可视化展示的功能。