目的：构建可适用于我国流感发病率短期预测的 ARIMA 模型，对该模型的预测效果展开分析，以此为流感疫情的早期预警、防控资源的 调配以及公共卫生决策提供科学的依据。方法：收集 2018 年 1 月-2023 年 12 月我国流感月度发病率数据（源自中国 CDC 监测系统），预处理包括四 分位距法检测异常值（2 个异常值用相邻 3 个月移动平均法修正）、Z-score 法标准化、STL 季节分解与 ADF 平稳性检验；运用时间序列分析筛选最优 ARIMA（p，d，q）×（P，D，Q） 参数，以 RMSE、MAE、MAPE 评估精度，并预测 2024 年 1-3 月发病率。结果：2018-2023 年流感发病率呈显著季节 性波动，冬春季（1-3 月、11-12 月）为高峰，夏秋季（6-8 月）为低谷，6 年平均发病率 8.72±3.25/10 万；原始序列 1 次一阶差分后 ADF 检验 P<0.001 达平稳，最优模型为 ARIMA（2，1，1）×（1，1，0）12，训练集 RMSE0.85/10 万、MAE0.62/10 万、MAPE8.3%，测试集 RMSE0.46/10 万、MAE0.46/10 万、 MAPE4.22%；2024 年 1-3 月预测发病率：1 月 12.56/10 万（95%CI10.89-14.23/10 万），2 月 15.32/10 万（高峰，95%CI13.56-17.08/10 万），3 月 10.89/10 万（95%CI9.21-12.57/10 万），符合冬春季高发规律。结论：ARIMA（2，1，1）×（1，1，0）12模型可有效地捕捉我国流感发病率时间序列以及季节 性特征，其在短期预测方面精度较高，可作为流感疫情短期预警的工具，为公共卫生部门制定防控策略给予参考。