吴祺媛，吴松涛，刘亚慧，吴慧明*，何云飞

(1.浙江农林大学植物保护系，浙江杭州 311300；2.浙江省浦江县岩头镇人民政府，浙江浦江 322200；3.浙江省浦江县气象局，浙江浦江 322200；4.浙江省浦江县农业技术推广中心，浙江浦江 322200)

我国是世界上最大的水稻生产国，1961—2013年水稻的种植面积占我国粮食作物年平均种植面积的1/3以上，在世界水稻生产面积中占22.12%[1]。水稻是我国最主要的粮食作物，是国家粮食安全的基石[2]，所以保证水稻的产量具有重要意义。褐飞虱[Nilaparvatalugens(Stål)]是严重影响水稻产量的主要害虫之一，如果能够准确地预测褐飞虱的发生情况，就可以提前预防和控制其发生。目前，在实际生产过程当中主要采用数理统计的方法对褐飞虱进行测报，常规的方法有多元回归、逐步回归、时间序列分析等。数理统计的方法主要是根据不同因子对褐飞虱发生情况影响的大小进行选择和剔除，最后拟合出一个回归方程，对褐飞虱的发生进行预测。杨廉伟等[3]在2010年对浙江天台晚稻中的褐飞虱发生情况进行了逐步回归预测。这种预测方法的原理和操作步骤都较简单，目前还普遍应用于我国害虫的预测预报工作中。但由于存在系统外的随机因素，如气象因子、栽培管理、作物等，系统内的随机性也导致这种方法的准确率不高。

人工神经网络(ANN)是一种旨在模仿人脑结构及其功能的信息处理系统[4]，其具有和人脑相同的自组织、自学习和联想记忆功能，并具有分布性、并行性及高度鲁棒性的特点[5]。……