目的:阐明2004年1月至2017年12月辽宁省肾综合征出血热（Hemorrhagic Fever with Renal Syndrome,HFRS）的流行特征和变化规律;筛选和肾综合征出血热发病相关的气象因素并分析两者的滞后效应;比较长短期记忆神经网络模型（Long Short-Term Memory,LSTM）和自回归求和移动平均模型（Auto-Regression Integrated Moving Average,ARIMA）在拟合及预测肾综合征出血热发病数据上的准确性。方法:收集2004年1月至2017年12月间辽宁省HFRS月发病数资料和全省月平均气温、月平均气压、月平均相对湿度、月平均最高气温、月平均水汽压等气象数据资料;分析辽宁省HFRS的流行趋势和变化规律以及描述气象因素的特征;利用预白化交叉相关方法筛选与HFRS发病数据存在相关性的气象因素并分析两者之间的滞后效应;利用HFRS发病数数据,分别建立ARIMA乘积季节模型和LSTM神经网络模型,并比较两者拟合和预测的精度;本研究使用R软件和EXCEL对资料进行统计分析。结果:1.辽宁省2004年至2017年间共报告HFRS病例22489例,每年各月均有发病报告,月平均报告病例数约为134例,总体来看,呈现稳中下降的趋势。2004年至2007年间,疫情明显回落,之后每年报告的病例数基本保持稳定。平均来看,每年9月份报告发病数最少,3月份和11月份报告发病数最多,发病高峰出现在每年的冬春季。2.利用预白化交叉相关方法,剔除缺失值过多和无相关性的气象因素后,筛选出来气象因素中月平均水汽压的滞后1个月、月平均相对湿度的滞后1个月和月平均最高温度与HFRS发病有相关性,相关性具有统计学意义。3.利用穷举法,选取其中AIC值最小（-29.31）的季节乘积ARIMA（2,1,0）×（0,1,1）12拟合预测模型,残差被诊断为白噪声序列,用所得的ARIMA模型进行预测,得到拟合精度（MAE 17.909,MAPE 18.168%,RMSE 26.601）和预测精度（MAE 40.787,MAPE 52.958%,RMSE 47.928）。4.LSTM神经网络模型在拟合（MAE 14.502,MAPE 16.965%,RMSE 21.242）和预测（MAE 15.929,MAPE 23.659%,RMSE 19.035）HFRS发病数的准确度上,均优于ARIMA模型。结论:1.2004-2017年,辽宁省HFRS疫情总体呈稳定下降趋势,2007年之后每年报告的病例数基本保持稳定;HFRS发病具有显著的季节性,发病高峰出现在每年的冬春季。2.气象因素中月平均水汽压的滞后1个月、月平均相对湿度的滞后1个月与HFRS发病呈负相关,月平均最高气温与HFRS发病呈正相关,且相关性具有统计学意义。3.LSTM神经网络模型在拟合和预测HFRS发病数的准确度上,均优于ARIMA模型。