Debido a la mejora continua de la tecnología, la mecanización ha surgido en varios campos. Debido a las diferentes estaciones adecuadas para el crecimiento de las plantas agrícolas, la mecanización agrícola enfrenta problemas diferentes de otras industrias. Es decir, la maquinaria y los equipos agrícolas pueden ser utilizados con frecuencia durante un período de tiempo, o pueden estar inactivos durante mucho tiempo. Esto lleva al envejecimiento del equipo, ya que ya no se vuelve regular, el tiempo de mantenimiento de las piezas de repuesto no está fijo, el número de piezas de repuesto almacenadas en el almacén de piezas de repuesto no puede ser demasiado grande para ocupar fondos, y el número no puede ser demasiado pequeño para satisfacer las necesidades de mantenimiento, por lo que la predicción de las piezas de repuesto de maquinaria agrícola se ha vuelto especialmente importante. Debido a la falta de información, la dificultad de etiquetado y el desequilibrio de la clasificación de muestras positivas y negativas, este documento utilizó un algoritmo de aprendizaje semi-supervisado para resolver el problema de clasificación de datos de piezas de repuesto de maquinaria agrícola. Con el fin de prever la demanda de piezas de repuesto de maquinaria agrícola, este documento comparó el algoritmo de red neuronal IPSO-BP y el algoritmo de red neuronal BP. Se encontró que la red neuronal IPSO-BP se utilizó para prever la demanda de piezas de repuesto de maquinaria agrícola, y el error entre el valor predicho y el valor real fue pequeño y cumplió con los requisitos de precisión.