小麦是我国的主要粮食作物,在生长过程中容易受到赤霉病的影响,影响小麦的产量与品质,如果防治不及时,极易造成严重的经济损失。直观高效的预测小麦病害发生情况,对构成小麦病害高效防控体系具有重要的意义。本文通过使用灰色模型预测和BP神经网络算法,对比两种模型的预测结果,确定了一种预测准确率更高的方法并设计了安徽省小麦赤霉病的预测预报模型。将小麦赤霉病的发病等级分为4级,对病害的发生进行预测。基于WebGIS平台通过谷歌地图来展示小麦病害的发病级别,使用可视化技术对小麦病害预测结果进行分析与展示,分析发展趋势。利用GIS来实现区域定位,便于直观的观察发病地区与级别。利用BP神经网络算法对小麦病害数据进行分析并预测其发生概率,便于植保部门制定相应的防治方案,确保小麦产量和农民增产增收。主要工作如下:(1)对小麦赤霉病数据进行预处理。本文分析了影响小麦赤霉病发生的气象因子,在安徽省农作物病虫害监测预警平台数据库中,选取2009-2018年间全省主要城市的小麦赤霉病平均病穗率数据以及气象数据,对所选数据进行了处理分析,为后文的实验奠定数据基础。(2)构建了基于GM(1,1)的安徽小麦赤霉病预测模型。将小麦赤霉病的病穗率数据作为该模型的原始序列并使用matlab工具进行模型计算求解。(3)构建了基于BP神经网络的安徽小麦赤霉病预测模型。在信息展示中,对小麦的气象环境因素进行分析,先选取前几次的数据作为样本,采用BP神经网络算法来处理,建立预测模型,然后对其它的数据进行预测。该模型会根据选取的样本数据进行模型训练,利用自适应能力来自动调节,直到满足条件,再利用其它数据进行检测确保可靠性。将以上两种预测模型最终的预测值进行对比可得出BP神经网络算法的准确率较高,因此最终采用后者作为预测模型。(4)实现基于WebGIS的病害预测可视化。通过预测模型对小麦病害进行预测并将结果在谷歌地图上显示出来,利用热力图来直观的观测病害的发病严重等级和发病地区,可以从整体上估计损失程度,实现可视化效果。以便于针对发病地区做出防治,来控制病害的面积进一步扩大。(5)模块化系统设计。系统采用模块化设计,将整个系统划分为前端的信息展示和后台管理,前端为地图区域的显示,将预测出的病害情况结果与真实结果进行对比,病害历年的发生面积与种植面积进行比较。后台管理具有数据分析显示和用户信息的管理。本研究的设计开发,为小麦主要病害的预测预报研究提供了高效的技术工具,是信息处理技术与农业病害防治的有机结合,利用计算机技术解决小麦病害预测的一种有效途径。