传染病是世界范围内造成人类死亡的第二大原因,对人类的健康、社会稳定和经济发展造成相当大的冲击与长期的威胁,引起各国各领域的高度关注。21世纪以来,计算机技术发展迅速,机器学习逐渐进入大众视线。它与医疗健康领域相融合,并在传染病预测方面发挥了巨大作用。目前,将机器学习算法融入传染病预测的工作需要一个系统平台作为支撑。以机器学习为基础的传染病监测系统为某项特定传染病预测提供重要的参考依据,有利于控制性政策的实施,从技术层面上推进公共卫生安全、传染病防控的进程。本文针对这一需求,设计并实现了以机器学习为基础的传染病预警系统。该系统Web端是由Python Web框架Django搭建而成,除此之外还开发了与之配套的微信小程序,便于用户随时随地了解最新的预测情况。系统主要功能包括气候数据及污染指数的监测、传染病发病预测、通知警告、数据可视化、最新研究资讯管理、用户管理六个功能模块。本文使用到的关键技术有基于降维数据的门循环单元神经网络(PCA+GRU)、爬虫、Echarts可视化等,其中PCA+GRU模型主要用在传染病预测模块的设计中,用于对淮安市肺结核发病人数的预测。另外还将PCA+GRU模型与KNN、LSTM、CNN、GRU、PCA+CNN等模型进行比较,实验结果证明PCA+GRU在以肺结核为例的传染病预测中具有一定的优势。