任亚飞，田 帅，邵馨叶,2，邵建龙

(1.昆明理工大学信息工程与自动化学院，昆明 650500；2.佛罗里达理工学院科学与工程学院，美国 墨尔本 32901)

0 引 言

参考作物腾发量(ET0)的精确预测对农业的发展起着重要的作用，其预测结果将对植物的生长和灌溉方案的设计产生直接的影响。国内外的学者对此做了大量的研究工作。目前用于定量预测的方法主要有回归分析、时间序列和灰色系统等。其中回归分析的计算量大，且对非线性系统的建模比较困难；时间序列预测法主要利用ET0的已有数据对未来情况进行预测，并不能反映外部因素对结果的影响，预测精度差；灰色系统预测法所需的资料较少，导致其预测精度不高[1-3]。1998年由联合国粮农组织提出的经典Peman-Monteith公式是目前最常用的计算方法[4]。然而，由于该方法计算所需的相关气象数据的获取难度较大，并存在计算复杂的缺陷，导致实用性不强。

近年来，随着神经网络理论的迅速发展，在此基础上构建的BP神经网络模型，在针对ET0的预测工作方面，已经获得相对广泛的实际应用。然而该算法在实际使用过程中通常具有对初始权重和阈值过分敏感的情况，并表现出较为缓慢的收敛速度。相比之下，PSO算法所含的全局寻优能力尤为显著，此外无需设置过多的各项参数，计算过程简单。正因如此，国内外许多学者选择通过PSO算法对BP神经网络所涉及的初始连接权重进行必要的优化，以此增强神经网络所具备的泛化能力及其相应的学习能力。……