数据预测是指在分析现有数据的基础上估计或推测未来的数据的过程。随着Internet和数据库技术的迅速发展，数据预测方法及其应用研究已经越来越为人们所重视。目前，常用的预测方法可粗略分为统计学方法、决策树方法和神经网络方法三类。由于神经网络能够对大量复杂的非线性数据进行分析，可以完成极为复杂的趋势分析，特别适用于构造数据预测模型，使得基于神经网络的预测方法具有比其他预测方法更多的优点。 本文以提高基于神经网络的预测方法的效率为目的，主要讨论了基于BP和RBF神经网络的预测方法及其在农作物虫害预测中的应用，提出了一种基于RBF-BP组合神经网络的新预测方法。本文首先简单介绍了神经网络理论和预测理论，然后，在对BP和RBF神经网络原理、结构和算法及现有改进方案进行分析研究的基础上，给出了基于单一BP和RBF神经网络的预测方法及其Matlab实现步骤，运用Matlab的神经网络工具箱建立了基于BP和RBF神经网络预测模型，并通过农作物虫害预测实验证明了基于BP和RBF神经网络的预测方法的可行性和应用价值。在对RBF和BP神经网络的结构特点进行比较分析的基础上，给出了基于RBF-BP组合神经网络的新预测方法的基本思想、RBF-BP组合神经网络结构、算法描述及其Matlab实现步骤。这种新方法将RBF神经网络和BP神经网络有效地结合在一起，既具有BP网络较好的泛化性能，又具备RBF网络较快的逼近速度。最后，根据农作物虫害预测实验对基于BP神经网络、RBF神经网络和RBF-BP组合神经网络的三种预测模型的预测效果进行了比较分析，结果显示基于RBF-BP组合神经网络的预测模型的预测精度最高，这表明基于RBF-BP组合神经网络的新预测方法不但能够克服基于单一BP神经网络和单一RBF神经网络的预测方法的缺点，而且能够对农作物虫害预测起到一定的指导作用，具有良好的应用前景。