为了帮助医疗机构合理调配医务力量、床位和医疗药物,同时也帮助脑卒中高危人群及时采取干预措施,降低发病风险。本文对某市[1]四家医院2013—2016年脑卒中的就诊病例进行数据分析,将日就诊人数分为6个等级。然后,调取相应时段当地的逐日气象资料,采用支持向量机(SVM)和随机森林(RF)方法分别建立了日就诊人数预测模型和日就诊人数与气象因素的关系模型。研究结果表明:(1)脑卒中的日就诊人数为不平衡数据,这种数据特征将导致传统的预测模型正确率较低;(2)通过不断调整SVM预测模型的初始权重,经历了4次优化之后,使得日就诊人数的预测正确率从52.46%上升到94.56%;(3)随机森林模型的结果显示,影响脑卒中发病率的三大气象因素分别是最高气温、最低气温和平均气温。基于机器学习模型的脑卒中疾病与气象因素的研究成果,提高了医疗气象统计模型的预报准确率,具有较高的应用和推广价值。