针对水稻插秧机可靠性评价存在明显滞后的问题，提出一种创新的解决方案：构建改进鲸鱼算法-列文伯格·马夸德优化的BP神经网络可靠性预测模型。其设计思路如下：首先，引入Chebyshev混沌策略，以增强初始种群的多样性；其次，采用“双阶梯”和“双山谷”非线性自适应因子，动态平衡算法的全局搜索与局部勘探能力；最后，结合趋优透镜反向学习策略，以更新个体位置，进一步提升个体质量，有效帮助算法跳出局部最优。通过6个基准测试函数的寻优对比分析和Wilcoxon秩和统计检验可知，IWOA具有更好的寻优性能。随后，利用现场跟踪获取的水稻插秧机故障数据，建立IWOA-LMBP模型。为了全面评估该模型的性能，选取MAE、RMSE、R²作为网络模型的评价指标，并将其与其他5种模型进行对比。结果表明：采用IWOA-LMBP模型进行预测时，效果更好。