目的：构建辽宁省肾综合征出血热及各影响因素的地理信息系统数据库；分析其空间分布模式，并探讨影响因素；分析辽宁省肾综合征出血热流行与宿主动物密度和气象因子的关系；利用线性回归、BP神经网络和遗传规划建立预测模型；建立风险评估模型。　　 方法：收集辽宁省各县市2000～2005年的肾综合征出血热的疫情数据、鼠密度数据和相关气象因素资料，在ArcGIS中建立地理信息系统数据库；利用空间聚类分析、叠加分析等方法分析其空间分布模式，并探讨影响因素；选取24个县市分析疫情与鼠密度及各气象因子的关系，并构建线性回归模型、BP神经网络和遗传规划预测模型，并验证其预测精度；利用环境-健康风险评估分析方法构建风险评估模型。　　 结果：构建了辽宁省肾综合征出血热及其影响因素的地理信息系统数据库，可以任意查询、分析、显示某地区某时间的发病其相关宿主和气象因素的情况；空间聚类分析发现，辽宁省肾综合征出血热疫情在空间上呈聚集分布，主要高发聚集区位于东部和西部的山区；分析结果显示发病率与同期、1个月和2个月前的鼠密度有显著正相关关系，而与同期、1个月和2个月前的月最高气温、最低气温、平均气温、气压、风速和1个月前的相对湿度呈现显著副相关关系；利用鼠密度和各气象因子作为自变量，发病率作为应变量构建了线性回归模型，拟合效果较好；利用BP神经网络构建了发病率的预测模型，对检验样本的预测的确定系数达到0.78，模型预测精度高；构建了发病率的遗传规划预测模型，y=x1-(x1)2/(x4-x7)(其中y为发病率，x1为鼠密度，x4为相对湿度，x7为气压)，模型的确定系数为0.83：对辽宁省肾综合征出血热进行了环境-健康风险评估，评估结果与实际发病情况符合率达到75.86％。　　 结论：辽宁省肾综合征出血热在空间上非随机分布，具有空间聚集性，高发聚集区主要位于东部和西部山区；发病率与鼠密度和气象因素有关系，可以用这些因子来预测发病率；BP神经网络和遗传规划是预测肾综合征出血热流行较好的智能模型：可以利用环境因子进行HFRS流行的风险评估。