草莓原产南美、中国各地及欧洲等地。草莓的品种有很多,在全世界范围内共有2000多种,但是大面积栽培的优良品种却只有几十种,其中草莓的栽培方式多以棚栽为主。目前来看,我国对草莓的需求量持续提升,但是供应却十分匮乏,所以有必要建立起多要素相互碰撞影响棚栽草莓生长的数学模型。本文通过实际联系理论,建立起多要素碰撞影响棚栽草莓生长的模型,以棚栽草莓为例,通过使用碰撞算法与改进的BP神经网络相结合,预测棚栽草莓的生长状况。大棚技术为草莓种植的首要手段,大棚的发展历史非常悠久,但是现今我国的大棚技术还是落后于国外优秀的大棚技术,国外率先使用了现代信息技术与大棚技术相结合,使得棚栽草莓的产量与质量都高于我国。针对这种情况,本文通过信息技术与生物技术相结合,找到影响草莓生长因素,通过碰撞算法找到这些因素之间的碰撞强度,筛选出碰撞强度高的要素,之后通过优化的BP神经网络建立棚栽草莓的生长模型。本文主要设计到三个主要模块。首先本文针对要研究多要素碰撞的问题上做了一些分析,分析影响棚栽草莓的多要素因子有哪些,通过阅读相关草莓文献发现草莓的外部特征和草莓的生长有关系。之后通过计算机领域的碰撞算法,在草莓的外部特征上筛选出碰撞关系较为强烈的因子。其次,分别介绍了三种不同多要素预测的模型,针对三种不同的预测模型,分别介绍了理论知识和相关建模的过程。通过对比可以发现BP神经网络在预测多要素相互碰撞的生长模型上有很大的优势,所以本文选择BP神经网络作为预测棚栽草莓的模型。最后,虽然BP神经网络模型的预测精度较高,但是标准的BP神经网络模型本身还是存在这一些缺陷,所以本文提出了优化方法使得BP神经网络算法在预测过程中的收敛速度和预测精度上均有所提高。通过实验的结果对比可以发现BP神经网络在建立棚栽草莓生长模型上要优于灰色模型和多元线性回归,但是BP神经网络还是存在很多的不足之处,所以本文通过碰撞算法筛选出多要素因子之间碰撞强烈的因子,在通过优化方法优化标准的BP神经网络,使得BP神经网络在预测过程中的精度以及预测过程中的收敛速度均有所提高。本文不仅通过理论研究多要素碰撞影响棚栽草莓的生长上,还将这个预测模型应用到智能农业大棚中,将理论联系实际,把预测模型应用到实际中。