本文首先介绍了小麦赤霉病的研究现状,分析了影响我国小麦赤霉病的因素,对小麦病虫害常用的预测方法进行了综述,并分别介绍了各种预测方法的优缺点。在此基础上,本文提出一种用于小麦病虫害预测的新方法——基于投影寻踪聚类结合BP神经网络预测法,首先应用投影寻踪聚类模型对影响我国小麦赤霉病的气象因子进行了分析、筛选,筛选出最有影响的气象因子作为BP网络的输入节点,再用改进的BP算法进行学习,大大减少了网络输入层的维数,投影寻踪的优点是可以排除与数据结构和特征无关的,或关系很小的变量的干扰,将高维数据投影到一维子空间上,再对投影后的一维数据进行分析,比较一维投影的分析结果,找出好的投影,是分析高维、非线性数据等传统问题的一种好方法。本文选取了4月中旬、4月下旬和5月上旬旬平均气温、旬降水量、旬日照时数、相对湿度、旬平均最高气温、旬平均最低气温作为影响小麦赤霉病的气象因素,分别运用逐步回归预测模型和基于投影寻踪聚类结合BP网络的预测模型对安徽省桐城市小麦赤霉病发生程度进行了预测,采用逐步回归分析法建立的小麦赤霉病发生程度的预测模型,不仅充分、客观的运用病情与气象资料,而且定性预报与定量预报相互结合,提高了预报手段和预报质量。基于投影寻踪聚类结合BP神经网络的预测方法,利用投影寻踪方法对高维数据的处理分析能力,按照输入影响因素对于输出结果的重要性大小,解决了BP神经网络输入维数难以确定的问题,提高了神经网络对高维数据的处理能力,而且加快了网络的收敛速度。通过对2种预测方法结果进行比较分析表明,基于投影寻踪聚类结合BP神经网络的预测模型性能远优于逐步回归预测模型,可以做为一种新的预测方法用于小麦病虫害的预测。为了更好的实现各种预测模型在小麦预测方面的应用,通过对当前技术水平和现实背景的研究,提出一种即时农业信息采集预测系统,本系统将计算机技术、通信技术、网络技术和微电子技术相结合,通过一定的网络设备建立通讯联系,具有高度集成性,集软件、硬件为一体,对各种农业信息数据自动正确采集、传输、统计及综合分析预测。具有采集速度快、计算精度高、采集实时性好等突出的优点。采用自动数据采集系统可以降低采集人员的劳动强度;采用预测监控机制,可以及时的对数据进行预测和警示,从而指导农业生产,提高农产品的产量,进一步促进农业技术的发展。