中国作为水稻生产大国,水稻生产肩负着我国粮食稳定的重任,也是农民增收的重要来源之一,而水稻病害一直在危害水稻的安全稳产、增产。随着对水稻病害防治的研究,在水稻病害区域性综合防治、专家系统等各方面都取得重要进展,但是缺少结合气象因素等非侵染性因素构建的水稻病害防控模型。为此,采用人工智能技术就非侵害因素对水稻病害防控模型研究具有重要意义。为了研究非侵染性因素对水稻病害的影响。本文通过数据初筛分析影响水稻病害发生的气候等主要非侵染性因素,采用主成分分析方法对数据进行降维处理,进而根据累计贡献率提取出主成分;其次,采用支持向量机算法输入提取出的主成分,为得出最佳参数,应用网格划分算法、粒子群算法优化支持向量机模型参数,准确地分类预测出水稻病害非侵染性因素数据集。同时,对水稻及其病害进行知识抽取、融合、加工与更新操作,构建水稻病害的知识图谱;然后以构建影响水稻病害非侵害因素为自建索引,根据非侵害因素对各水稻病害的影响程度添加权重值,对水稻病害防控方案进行检索。在上述基础上,构建水稻病害推理模型,将支持向量机的预测值与知识图谱的案例索引进行检索匹配,对匹配出的数值进行病害相关性计算和病害准确率计算,得到准确的病害类型。最后,应用最短路径算法对病害检索路径进行优化,进一步得到水稻病害防控方案。研究结果表明,前期数据处理建立的预测模型泛化效果较好,结合支持向量机分类预测的基于知识图谱(非侵染性因素)的水稻病害防控模型实现了为水稻病害提出防治方案,具有应用和推广价值。