小麦条锈病是小麦上最重要的病害之一，可造成严重的产量损失。近几十年来，对小麦条锈病的治理一直是植保人员和农民朋友共同关心的问题。而对其进行预测是实现其管理的先决条件，根据准确的病情预测，可以及早做好各项防治准备工作。本文旨在通过对甘肃天水和平凉小麦条锈病的预测，寻求较为合适小麦条锈病的预测方法，为防治提供依据。 通过收集甘肃天水1982～2003年小麦条锈病发病面积和小麦播种面积数据，合并成小麦条锈病发病面积比数据，再收集天水气象数据，利用这两项资料对天水小麦条锈病的发病面积比进行预测。预测首先采用多元线性回归模型、BP(backpropagation)神经网络模型、RBF(radialbasisfunction)神经网络模型、灰色模型GM(1，1)和Brown指数平滑模型分别对天水小麦条锈病进行预测，并对预测的效果进行评价。然后采用基于层次分析法的组合预测方法将上述五种方法进行组合，并将预测的效果与上述五种方法进行逐一比较。同样，收集甘肃平凉1983～2003年小麦条锈病发病面积比和流行程度数据，再收集平凉气象数据，利用这两项资料对平凉小麦条锈病进行预测。首先采用多元线性回归模型、BP神经网络模型对小麦条锈病发病面积比进行预测，再用多元线性回归模型、BP神经网络模型和RBF神经网络模型分别对平凉小麦条锈病流行程度进行预测，并对预测的效果进行评价。然后采用最优加权组合预测方法将上述方法进行组合，并将组合预测的效果与单项预测结果进行比较。 研究结果表明，在对天水发病面积比的预测中多元线性回归模型、BP神经网络模型、RBF神经网络模型、灰色模型GM(1，1)和Brown指数平滑模型的相对误差绝对值的平均值(以下简称为平均相对误差)依次为19.59％，4.30％，17.35％，35.26％和14.05％，组合预测法的平均相对误差为9.11％，预测精度高于除BP以外的其他单项模型。在对平凉发病面积比的预测中，多元线性回归模型和BP神经网络模型的平均相对误差为53.17％和22.75％。组合预测的平均相对误差为22.80％，预测精度高于多元线性回归模型，与BP神经网络模型相当；平凉流行程度的预测中，多元线性回归模型、BP神经网络模型、RBF神经网络模型和组合预测的平均相对误差相同，均为24.1％。