目的 经典动力学机理模型基于传染病传播机理知识构建非线性微分方程组对其传播进行系统建模，其参数初始状态的估计误差会伴随着系统的迭代和演化而扩大，具有参数初值敏感依赖的局限，从而削弱模型预测能力。方法 本研究采用贝叶斯推理方法与疾病传播动力学机理模型进行融合设计，通过数据同化技术实现模型参数的不断迭代更新和优化，克服经典动力学模型的参数初值敏感依赖的局限。基于此，本研究构建机理知识和贝叶斯推理融合驱动的登革热传播推断与预测框架SIR-EAKF,并将该融合驱动模型应用于广州市登革热传播的推断与预测。结果 本研究构建的SIR-EAKF框架优化了集合模拟的状态参数，实现了对疾病传播参数的准确估计，从而使得动力学机理模型的集合预报更精确，能够提前准确地预测登革热在人群中传播和演化的趋势。结论 基于以上融合模型可以实现对登革热流行和暴发的近似实时预测和追踪，提高人们对传染病疫情的早期应对和感知能力，为公共卫生防控争取更多宝贵的时间。