目的探讨以影响高血压发病率的气象因素建立高血压发病预测模型。方法选取银川地区1998—2000年日平均相对湿度、48h变温、日较差和日平均气压的标准化数据(以周为单位共100个样本)作为前馈型神经网络(BP神经网络)输入层的节点输入,以同期高血压发病率的标准化数据作为网络输出,经多层BP神经网络进行网络学习训练,建立高血压病发病率的人工神经网络预报模型。结果建立的高血压病神经网络模型结构为4-14-1(即有4个输入、14个隐含节点和1个输出),训练精度为0.005,训练了46步达到目的,最终误差为0.0048992。神经网络预报模型所得预报量的同一级平均拟合率为62.4%,差一级平均拟合率为99.2%,均高于统计预报方程(47.7%,98.3%);其同一级平均预报率为58.2%,差一级平均预报率为91.3%,均高于统计预报方程(50.5%,84.6%)。神经网络预报模型的平均绝对百分比误差、均方误差、绝对误差分别为25.2%,21.0%,16.2%,均低于统计预报方程(47.6%,26.2%,21.1%)。若以拟合值绝对误差小于20%为拟合正确,则统计预报方程拟合率为51.3%,而神经网络拟合率为71.2%。对56个未参加建立预报模型的独立样本进行预报和比较,神经网络预报模型预报效果优于统计预报方程。结论该方法计算简便,误差较小,有更高的历史样本拟合和独立样本预报能力,为高血压发病预测提供了一种新方法。