【目的】本论文的研究目的主要是在突发疫情背景下,依据疫情和疫区的信息和特点,运用神经网络技术和传染病动力学模型方法,分析机理并构建传染病预测模型,依据应急医疗物资分类、疫区感染风险、感染人数,设计并构建应急医疗物资预测模型,并以最小物资缺口率和最优时间满足为目标,建立应急医疗物资调度模型,并通过案例分析的方式进行模型结果的展示,从而为突发疫情下应急医疗物资需求预测和区域物资调度决策提供支持。【方法】本文运用文献综述研究法、系统分析法、理论与案例结合法等研究方法,对传染病预测应用现状、应急医疗物资需求研究现状、神经网络在传染病预测中的应用现状以及应急医疗物资调度研究现状进行了分析了梳理。通过对这些理论与研究现状的学习,奠定了全文的研究思路与框架,并验证了其可行性。结合系统分析方法,对应急医疗物资调度的机理进行充分的分析研究。最终结合此次2019新冠病毒疫情进行了具体的案例分析。【结果】本文基于传染病动力学模型和神经网络技术,结合系统分析的方法,进行了以下研究,结果如下:1.研究者对传染病动力学模型SEIR和长短期记忆人工神经网络LSTM运算原理进行了阐述,将动力学模型SEIR预测结果与LSTM预测结果建立回归关系,建立SEIR-LSTM混合预测模型。2.研究者基于已经建立的疫情发展模型预估疫情感染人数、建立了基于“疫情规模”“疫情增幅”为标准的等级分类方法,并基于已经建立的疫情发展模型预估疫情感染人数、基于疫情等级分类方法与应急医疗物资需求建立联系,从而建立其应急医疗物资需求预测模型。3.研究者对基于需求缺口的应急医疗物资需求分配机理进行了分析,阐述了分配中应该考虑保证分配效果最优,同时要分配公平性。建立了基于最低缺口率和最短需求满足时间的应急医疗物资调度模型。4.研究者在以上理论研究的基础上,结合本次2019新冠病毒疫情数据和特点,以湖北省疫情为例,进行了应急医疗物资需求预测和区域应急医疗物资调度的案例分析研究。【结论】本研究通过系统分析的方法进行了研究方法的理论构建,集合实例进行了简单的实现。本研究所建立的应急医疗物资需求预测模型及物资调度模型,主要结合当前疫情实际状况,根据传染病动力学原理,引入神经网络训练学习,通过建立疫情风险等级方法,最终实现应急医疗物资需求动态预测,并根据疫情情况进行物资调度。能够为疫情情境下的应急医疗物资保障提供决策支持。