传染病是由各种病原体引起且能在人与人、动物与动物或人与动物之间相互传播的一类疾病.有些传染病,政府部门必须及时掌握其发病情况,及时采取对策,防止该种传染病的流行.　　 传染病严重危害着人们的身心健康,而且波及的范围越来越广,特别是2003年的严重急性呼吸综合症SARS及2009年的甲型流感病毒H1N1,都造成了世界性的危害.因此,对疾病的流行规律进行定量、定性研究是十分必要的,以达到为疫情控制做决策的目的.　　 传染病动力学是对传染病的流行规律进行定量分析研究的一种重要方法.它根据种群生长的特性,疾病的发生和其在种群内传播的规律以及与之有关的社会因素,建立数学模型与数据之间的映射关系,通过对模型动力学性态的定量分析和数值模拟,分析疾病流行的关键因素,最终揭示疾病的发展过程及其流行规律,预测其变化发展趋势,寻求对其预防和控制的最优策略.　　 1927年,Kermack和Mckendrick在非线性动力学的基础上,建立著名的SIR传染病“仓室”模型,为传染病动力学的研究奠定了基础.利用此模型可以描述传染病的传播过程、分析传染病人数的变化规律、揭示传染病的发展性态.而模型的关键是其中两个重要参数,一个是反映疾病传播速度综合效果的传染率系数,另一个是反映医疗设施、措施等因素综合作用的恢复率系数.因此,本文将开展以下工作:　　 (1)对于常系数的K-M SIR模型,设计神经网络算法“三位一体”地反演SIR模型中的固定参数;　　 (2)对于常系数的K-M SIR模型具有的局限性,尝试结合拟合函数建立变参的SIR模型,再利用神经网络算法“三位一体”地反演SIR模型中的时变参数;　　 (3)为了说明所建立的模型及算法的有效性,先用理论数值证明,再结合香港SARS疫情数据进行定参模型与变参模型的实证分析,检验模型.　　 简而言之,本文以统计分析的方法与传统的SIR模型相结合,将数据“三位一体”地融入BP神经网络,反演出模型中与时间相关的传染率与恢复率等参数,从而建立模型;最后进行实证分析,得出该改进模型有较高的仿真及预测精度.