在林业生产中,针对不同的林木种类、不同的土壤状况,要求计算出氮、磷、钾等肥的施肥用量,施肥预测模型作为杉木林精准施肥实施的关键,已经成为林业科学研究的一个热点。但是采用传统的基理施肥模型,有时往往不能得到令人满意的精度和稳定性。由于“互联网+”应用成熟广泛,未来利用“互联网+”助力发展智慧林业是一种不可阻挡的趋势。本文以广东省仁化县国营林场和始兴县刘家山林场主导林业——杉木林产业为例,运用灰色关联度分析方法确定影响林木施肥量关键性因素,采用三种神经网络建立林木施肥预测模型,将灰色关联度高的影响因素作为输入变量,确定以立地指数、林龄、优势木相关养分含量等参数作为神经网络输入,以实际施肥量作为输出。在验证三种预测模型的有效性之后,对比三种预测模型,结果表明,GRA-PSO-BP神经网络施肥模型优于GRA-Elman神经网络和GRA-LSTM算法施肥模型,预测施肥量与实际施肥量之间的误差在5%之内,能有效地指导阶段性精准施肥。因此,选取了预测精度高、稳定性好的GRA-PSO-BP神经网络作为林木施肥预测模型,最后完成基于Android平台的林木阶段性精准施肥预测系统的设计与研究。以下是本研究主要取得的成果:(1)运用灰色关联度分析方法确定影响林木施肥量关键性因素后,建立了三种不同的神经网络模型对林木施肥量进行预测,通过对三种预测模型进行对比,选择出最优的GRA-PSO-BP神经网络林木施肥预测模型;(2)以GRA-PSO-BP神经网络林木施肥预测模型为基础,建立基于Android平台的林木施肥系统,对林木施肥预测系统需求进行分析后,根据需求进行系统的设计与研究。该系统不仅实现了林木施肥预测的功能,还包括相关的扩展功能,这些功能可以满足林木精准施肥方面的需求;(3)本文所研究的基于Android平台的林木精准施肥预测系统相比于其他平台的施肥系统更具便携、快捷等优势,在未来的研究中可以进一步优化为林木智慧施肥专家系统;