感染症の精度ある発生予測は、公衆衛生の効果的な対応や疫病の制御において重要です。本研究では、気候および時間データに基づいて100週先までのRSV（呼吸器合胞体ウイルス）の正確な多週間予測を実現するために、ForecastNet-XCLというハイブリッド深層学習フレームワークを提案しています。このフレームワークは、XGBoost、CNN、BiLSTMを組み合わせたアンサンブルモデルで、高解像度特徴学習と長期的な時間依存性を捕捉するメカニズムを融合させています。特に多様な気候データでトレーニングされたことで、一般化能力が向上し、特異なまたは2年ごとのパターンを持つ地域でも高い精度を維持します。ForecastNet-XCLは、気候圧力が高まる中での早期警告ツールとして、実装可能な効率性と性能を示しています。