随着人民生活水平的提高,“健康”和“疾病”成为人民关注的焦点,运用计算机技术进行疾病分析预测也成为健康医疗领域的研究热点之一。呼吸系统疾病是一类常见疾病,而且和气象、环境因素有着紧密的联系。研究和分析特定地区气象环境因素变化对呼吸系统疾病的影响,建立呼吸系统疾病预测分析模型具有重要的意义。可以为广大市民提供疾病预防信息,为医生和卫生机构提供决策依据,帮助降低疾病带来的危害,提高人民健康水平。本文结合计算机技术、疾病预测分析和医疗气象学,做了以下研究工作:第一,针对影响因素的复杂性及BP神经网络在疾病预测中的不足,结合遗传算法和神经网络集成,本文提出集成GA-BP神经网络算法用于疾病预测。该算法利用遗传算法优化网络初始权值增强全局搜索能力和增加子网络的差异性,借鉴网络集成思想增强网络泛化能力和网络预测结果的稳定性。实验测试表明,集成GA-BP神经网络用于疾病预测具有较好的分析效果,且比其它算法具有更好的拟合效果和预测准确度。第二,为了满足数据规模的增长和服务的实时性,针对集成GA-BP神经网络算法时间成本很高、数据增长导致内存不足的缺陷。本文借助Hadoop平台,提出将集成GA-BP神经网络算法并行化,设计基于Hadoop的疾病预测分析模型。实验结果表明,并行化集成GA-BP神经网络疾病预测分析模型在保证预测准确率的前提下,具有更好的时间效率。第三,通过研究云平台架构和Hadoop平台的特点,本文提出一个基于Hadoop的医疗数据处理平台,疾病预测分析模型属于该平台的数据分析层。详细介绍了Hadoop平台搭建过程,为实验验证提供环境平台。最后从准确性、扩展性、预警功能三个方面对疾病预测分析模型进行了分析与评价。