随着“两微一端”(微博、微信、新闻客户端)的不断普及,人们获得信息的途径不断拓宽,可查阅资源的数量在不断上升,生活方式也在不断发生改变。人们不单单可以通过网络来获取它们所感兴趣的资讯,也可以用文字、图片、视频等方式与其它用户进行互动。传统疫病监控系统依赖于医疗单位及各地疾病预防控制中心上传的临床数据,具有在全国范围通报疾病的特征,这不但可以帮助医护人员识别各类病症,也可以在一定程度上预测疾病传播范围的变化。可是,该系统的数据反馈与预警信号的发布有一定的滞后性,其采集数据方式的成本和维护费用都相当高昂,因此笔者设计采用互联网社交平台收集舆情数据来作为传统疫病监控决策的补充。由于社交网络的兴起,人们可以在网上快速地获取许多有关居民日常生活习惯和生活方式的信息。用户们往往会在社交网络如Twitter、Weibo和Foursquare上发布并上传自己的日常行为的照片、健康状况的数据和自身所处的地理位置。笔者发现通过爬虫软件可以有效采集大量的微博舆情数据。在针对关键词进行筛查并制定相应条件剔除掉干扰信息后得到的有效信息可以有助于公共卫生部门监控和跟踪疫区群众在疫情期间的舆情实时反应并确定相对的舆论引导策略。在此基础上对这些数据进行进一步的分析不但能掌握疫病突发的地点,甚至可以用相对应的地理定位数据追踪社交网络用户出行路线以预测疫病的发展趋势。本文设计并应用了收集、筛选和分析社交媒体文本内容的方案并应用这个方案对H7N9流感季的微博舆情进行了采集。同时本文也采用了支持向量回归(Support Vector Regression)来对之前采集到的微博舆情数据与疾病预防控制中心公布的20个疫区城市病例数据进行回归分析,从而寻找与流感疫情趋势最为相关的变量。在本文的模型中,笔者设置了人口流动量、2012年流感趋势相似度和空间距离三组作为支持向量回归的变量,试验表明人口流动量与流感趋势的相关性与平方系数最高。因此笔者得出结论,采集疫区人口流动的信息对于预测疫病下一阶段的发展趋势会有十分显著的作用。本文的创新点在于将网络舆情和疫病监控相结合,为我国网络舆情数据分析的运用和疫病监控的发展提供了新思路。笔者也相信本文模型设计的方法和模拟结果能够对我国疫病监控系统的改进提供一定参考。