森林虫害是我国重要的森林灾害之一,它不但给我国林业造成了巨大的经济损失,而且严重地制约了我国生态环境的可持续发展,所以,人们越来越关注森林虫害的防治工作。森林虫害预测预报是森林虫害防治工作的基础,也是其重要的组成部分,所谓“凡事预则利,不预则废”,所以对森林虫害进行准确的预测预报不仅可以降低森林资源的损失,还可以有效地控制灾害的发生。本文首先通过对人工神经网络和模糊技术相关理论的介绍和比较,引出了模糊神经网络的概念,并且对模糊神经网络的发展概况、分类方式以及多种模糊神经元模型进行了概述。然后,对模糊推理系统、RBF神经网络和BP神经网络进行了详细地研究分析,分别建立了基于T-S模型的RBF模糊神经网络和基于模糊聚类的BP模糊神经网络的模型结构。本文以马尾松毛虫为森林虫害的代表,将影响马尾松毛虫虫株率的气象因子利用逐步回归的方法进行了筛选,最终确定了该虫害的预报因子。根据构建的两种模糊神经网络的模型结构,对以马尾松毛虫的预报因子为输入量,虫株率为输出量的森林虫害预测预报进行了应用设计。该设计详细地说明了两种模糊神经网络中各层的功能、数据流程以及相应的算法设计。最后,该森林虫害预测预报的应用设计进行了模拟仿真训练,同时利用多元回归预测法、RBF神经网络预测法和BP神经网络预测法建立了对比实验。通过对不同方法的预测结果进行对比分析可知,基于模糊神经网络的预测方法比多元回归预测法和相应的神经网络预测法的平均误差率更低,预测效果更令人满意。综上所述,将模糊神经网络应用于森林虫害预测预报,不但能够有效地提高预测结果的准确率,还具有广泛的应用价值。