流感作为极易传播的急性呼吸道传染性疾病,它的流行对全球的经济与人类的健康造成了严重的威胁。因此,在对流感的防治的研究是目前的一个热点问题,而研究流感发病早期的流行趋势和预测预警模型对流感的防治和预防策略有着举足轻重的现实和理论意义。乌鲁木齐市又是我国流感高发地区之一,该市位于中国西北、新疆中部、亚欧大陆腹地,地处北天山北麓、准噶尔盆地南缘地理环境,是温带大陆性干旱气候。导致该地的气象特征表现出一定的特殊性,这些因素均给流感在该市的流行创造了有力条件。为了研究乌鲁木齐市流感样病例发病数与气象因素之间的关系,选取了乌鲁木齐市2015年1月—2018年3月流感样病例数与同期气象数据（月平均气温（℃）、月降水量（mm）、月平均气压（hpa）、月平均相对湿度（%）、月平均风速（m/s）、月日照时数（h））,对这些数据进行了描述性统计与Spearman相关性分析,定量的分析了气象因素对乌鲁木齐市流感样病例产生的影响。结果表明,乌鲁木齐市ILI例数与月平均气温、月平均风速和月日照时数表现负相关,与月平均气压和月平均相对湿度表现正相关,与月降水量不相关。本文是采用模型对数据进行预测分析的,所以选择哪种模型就非常的重要。因为ILI病例数是一个时间序列数据,而LSTM、ARIMAX、GAM模型均属于时间序列方法。截止目前,这三种模型在流感样病例预测方面已被大量应用,但是还没有人运用这三种模型去分析影响乌鲁木齐市流感样病例发病的气象因素以及对乌鲁木齐市流感样病例流行的趋势进行预测。那么,乌鲁木齐市的流感样病例研究更适合哪一个模型呢?为了进一步定量的分析气象因素对乌鲁木齐市流感样病例数的影响,本文选了LSTM、ARIMAX、GAM模型对这个问题做了研究。通过把相关性较强（|r|>0.6）的气象因素分别纳入这三个模型中,依次构建了乌鲁木齐市流感样病例预测模型,对所建立的预测模型进行效果评价,选出最优模型。首先,利用2015年1月—2017年9月的数据作为训练集对乌鲁木齐市的流感样病例（ILI）数建立单变量与多变量LSTM模型,将2017年10月—2018年3月的数据作为测试集用于模型验证与预测,估计模型参数,从中选出最优模型对其进行短期预测与真实值比较,最终该模型平均绝对百分比误差（MAPE）为27.98%。其次,通过残差序列互相关函数（CCF）得到ILI例数与月平均相对湿度和月日照时数相关。将月平均相对湿度和月日照时数作为影响变量,建立ARIMAX模型,其中,纳入滞后0阶月日照时数的ARIMAX模型最优,并且模型各个参数都具有统计学意义。最后,依据乌鲁木齐市流感样病例的流行规律,选择Poisson随机分布函数为GAM模型的连接函数。通过AIC最小原则进行因子选择和检验拟合优度,并计算出气象因素的回归系数β、相对风险度（relative risk,RR）和95%置信区间（95%CI）,该模型的MAPE为12.22%。结果表明,引入气象因素所建立的多变量乌鲁木齐市流感样病例预测模型效果均比单变量预测模型效果好,模型的精度得到了提高。其中,通过对三种预测模型的方法比较,得出引入气象因素的GAM模型的预测精度较好,符合模型评价标准中的模型较好等级（10%—20%）。这对于控制和预防乌鲁木齐市流感样病例的流行与传播具有重要的方法学意义和理论依据。