烟草野火病和角斑病是吉林省乃至全国烟草种植上发生的两种重要叶部病害,在病害流行年份可造成减产50%以上,甚至绝收。目前针对这两种病害的研究多数是涉及生物防治、化学防治、品种抗性等方面进行研究。但是关于这两种病害流行与预测方面的研究报道较少。本文主要对吉林省烟草野火病和角斑病的病害增长模型进行了研究,并建立了烟草野火病预测模型及防治指标。结果如下:用SPSS18.0软件中6种不同的数学函数模型对烟草野火病和角斑病病情指数随时序值而变化的数据进行分析,通过决定系数R²、F值以及标准误这三个指标对这六种不同的数学模型进行逐一比较,结果表明逻辑斯蒂函数模型能够较好地模拟烟草野火病和角斑病的病情发展动态,三次函数也能较好地模拟烟草野火病的病情发展动态。以8月上旬烟草野火病病情指数为预测对象,大气温度、大气湿度、降雨量以及日照时数作为预测因子,用SPSS18.0软件建立多元回归预测模型。对预测对象（Y）和预测因子（X）进行回归分析,通过决定系数R²和F值这两个指标的比较,筛选出5月中旬平均湿度（X3）,5月中下旬平均湿度（X4）,6月中旬的降雨量（X6）,5月中旬日照时数（X7）为最优预测因子,建立最优的多元回归预测模型为Y=-18.494+0.076 X3+0.348X4-0.134 X6+0.138X7。通过拟合度检验,最终计算该模型的平均拟合率为75.38%。采用MATLAB2018b软件建立了烟草野火病BP神经网络预测模型,本文选取了8个关键的气象预测因子,根据训练可知隐含层节点数为8时,训练误差最小,为1.65E-08。最终确定本神经网络的预测模型隐含层节点数为8,输出层节点数为1。根据误差曲线可以看出模型的训练效果较好,训练所得R值为1,BP神经网络训练的训练结果达到了理想效果。通过计算得出该预测模型的平均拟合度为87.34%。结果表明烟草野火病BP神经网络模型的拟合度比多元回归预测模型的平均拟合度更高,相对误差更小。采用SPSS18.0软件对烟草野火病病情指数和产值损失率数据进行回归分析,通过决定系数R²、F值和标准误这三个指标对线性函数、二次项函数、立方函数、指数函数、幂函数和逻辑斯蒂6个数学模型进行比较和检验,最终判定幂函数的拟合度最高,最优回归方程为Y=4.8266X^0.6599。按照计算公式:允许损失率（%）=3×公顷成本/（公顷产值×防效）,计算允许损失率为5.895%。将数值5.895作为Y值代入最优回归方程Y=4.8266X^0.6599,计算允许损失的病情指数X为2.45,即为经济危害允许水平（EIL）。将EIL值2.45作为Y值代入防治后的病情指数（Y）与开始防治时的病情指数（X）的直线回归方程:Y=-0.17+3.192X,计算得开始防治时的病情指数阈限（X=ET）,ET=0.82,表明烟草野火病的药剂防治指标在病情指数0.82～2.45之间。该防治指标的提出对烟草野火病的药剂防治具有实践指导意义。