【目的】棉花病虫害发生和发展主要与环境信息相关,由于环境信息多且复杂多变,使得棉花病虫害预测方法研究具有一定的挑战性。本文旨在探索及时、准确地预测棉花病虫害的方法。【方法】提出1种基于环境信息和深度信念网络的棉花病虫害预测模型。该模型由3层限制玻尔兹曼机网络(Restricted Boltzmann machines,RBM)和1个监督反向传播(Back-propagation,BP)网络组成,利用RBM将环境信息数据转换到与病虫害发生相关的新的特征空间,利用BP网络对最后1层输出的特征向量进行分类预测,利用动态学习率和对比分散准则加快RBM的训练过程,并利用该模型对近6年棉花的棉铃虫、棉蚜虫、红蜘蛛和黄萎病、枯萎病进行预测试验。【结果】与传统棉花病虫害预测模型相比,提出的预测模型能够深度挖掘棉花病虫害发生与环境信息之间的深层次相关关系,具有更高的预测精度,预测平均正确率在83%以上。【结论】该方法是1种有效的农作物病虫害预测方法,为棉花病虫害防治提供了有效的技术支持。