(山西省水利水电科学研究院，山西 太原 030002)

随着科学技术不断发展，计算机数值计算方法已经成为解决土壤中高维非线性问题的重要工具。水力参数差异是导致土壤水分时空变异的重要因素，而土壤水分特征曲线是关键的土壤水力参数之一。土壤水分特征曲线反映了土壤水分能量和数量之间的关系，是进行土壤水分运动模拟的基础条件。因此，如何精准获取土壤水分特征曲线模型参数对于准确实现水分时空动态预测具有十分重要的意义。

Van Genuchten模型具有较高的预测精度，并且模型参数的物理意义也最为明确，因此，该模型被广泛用于土壤水分特征曲线的定量描述。目前，该模型参数的确定主要包括入渗试验法和数学计算法[1-2]。相对于入渗试验法，数学计算法更加简单方便。但采用前人的数学计算方法进行参数估算时，也存在一定不足。李春友[3]采用单纯形调优法进行了水力参数估算，结果表明该方法会陷入局部最优，因此，它不是一种合适的算法。马英杰[4]采用非线性阻尼最小二乘法进行了水力参数的估算, 但模型预测结果受初始值影响较大，模型精度并不稳定。因此，寻找一种更加合适的算法对于提高Van Genuchten模型预测精度是非常必要的。鸟群算法是一种基于模仿鸟类种群活动过程(觅食、警戒和飞行)而提出的新型全局智能优化算法。该算法具有调节参数少、收敛精度高和鲁棒性能好等优点，在电网优化调度、水库优化调度和年径流量预测等方面取得了较好的应用效果[4-6]，但在农业土壤环境方面未见相关报道。……