农作物病害严重影响农业生产，是我国农业的主要灾害之一。目前，对于农作物病害预测通常采用的方法是线性方法；但是农业生产体系是一个非常复杂的非线性系统，采用一般的线性方法对其进行预测，得到的预测模型精度往往不是很高，严重影响了农作物的产量。同时，人们对粮食的质量安全问题也越来越重视，目前，对农作物病害的防治仍然以农药为主；若可以相对准确地对农作物病害的发生进行预测，就能够降低农药的使用量，减少农业残留物，从而提高农作物的品质。近年来，随着非线性科学的不断发展，涌现出了许多的非线性方法，非线性方法能够更好地揭示农业系统的非线性本质和规律，通过其建立的预测模型对于提高农作物病害预测的准确性具有重要意义。本文以安徽省绩溪县水稻稻瘟病为研究对象，首先对水稻稻瘟病的发病原因和研究现状进行了分析。由于稻瘟病的发生率具有不确定性、多输入、复杂等非线性的特征，故选用两种非线性方法对其的发生进行了分析预测。因为偏最小二乘回归方法不仅能够适用于变量间存在多重相关性的情况，而且可用于自变量个数大于样本点个数的情况，故第一种方法选用了偏最小二乘回归方法。根据水稻稻瘟病的主要致病因素选取预报因子，然后进行回归建模。最后，利用MATLAB进行编程实现算法，所得到的模型精度基本满意，能够有效地进行水稻稻瘟病的预测。第二采用混沌理论，利用MATLAB混沌时间序列公具箱，对绩溪县水稻稻瘟病病穗率时间序列进行混沌特征分析。首先对相空间进行重构，并求得相空间重构的最佳延迟时间和嵌入维数，再进行混沌特性判别，构建模型进行预测。本文选用自相关函数法以及互信息量法求延时时间，Cao氏方法计算嵌入维数。采用定量的方法即小数据量法判别混沌特性，计算得到最大Lyapunov指数是大于0的，故证明该时间序列是混沌的。最后，建立混沌--RBF神经网络预测模型。结果表明，短时间序列的混沌预测方法在较短步长上的预测精度是满意的。本文所选用的两种非线性方法，至今关于它们在农作物病害预测方面的应用文献都非常少见，可以说，在我国农作物病害研究方面仍尚处于初始阶段，故其中仍然存在一些问题有待进一步的完善和改进。通过本文建立的模型，可以看出的是，用非线性方法对农作物病害进行预测是可行的，其预测精度比普通线性方法建立的预测模型的精度更高，这对农作物病害有一定的参考价值，并对其预测方法的发展有着一定的意义。