艾滋病的防治是一项意义重大的工作,我国党和政府一直以来都对艾滋病防治工作持高度重视的态度,如果能够对艾滋病的发病率进行准确的预测,就能够实现为艾滋病的预防和控制提供预警。本文提出了一种基于改进的神经网络模型的艾滋病发病率预测的方法,通过收集2004年1月-2021年12月的全国月度艾滋病发病率作为原始数据建立预测模型,以均方误差、均方根误差、平均绝对误差、平均绝对误差百分比四种评价指标作为选择依据,最终建立起一种能够较为准确地预测艾滋病发病率的模型,以便于能够对艾滋病防治工作起到辅助作用。相较于已有的艾滋病发病率预测模型,本文尝试从三个方面去提升预测精度。一是选取了两种神经网络模型进行对比分析,一种是使用最为广泛的BP神经网络,另一种是具有局部反馈连接和局部记忆单元的Elman神经网络[32],能够更加充分地利用时间序列的历史信息进行艾滋病发病率的预测;二是采用三种不同的数据划分方式,即基于前三年（记为input36）、基于前一年（记为input12）、基于前三年同月和前三个月的数据（记为input6）预测下一个月的发病率,形成三种不同的数据集,充分考虑艾滋病发病率数据的周期性特点;三是利用遗传算法（GA）、粒子群算法（PSO）、蚁群算法（AC）三种智能优化算法改进艾滋病发病率模型,通过对神经网络的初始权重和阈值进行优化[35],解决BP和Elman神经网络存在的容易陷入局部最优解和收敛速度较慢的问题[4]。经过实证分析主要得出四个结论。一是2004年至2019年全国艾滋病发病人数整体呈现增长的趋势,在2012年时出现陡峭增长的趋势,在2019年全国艾滋病发病人数达到最高点,在2019年之后,全国艾滋病发病人数呈现下降趋势。二是在三种不同数据划分方式中,基于前三年的数据预测下一个月的数据的预测精度最高,在两种神经网络模型中,Elman神经网络模型的预测精度高于BP神经网络模型,优化前的最优模型为Elman-input36模型,平均绝对误差百分比为12.60%。三是利用遗传算法、粒子群算法、蚁群算法三种智能优化算法对Elman-input36神经网络模型进行改进,都有一定的优化效果,其中基于遗传算法的改进效果最好,平均绝对误差百分比为9.1%。四是利用GA-Elman-36input模型预测得到未来一年全国艾滋病发病率,即2022年1月-12月的全国艾滋病发病率（1/10万）分别为0.2402、0.1815、0.4261、0.3450、0.3607、0.3787、0.3077、0.3283、0.3530、0.3339、0.3942、0.4311。