刘婧然，刘 心，武海霞，邓 皓，李灶鹏

（1.河北工程大学水利水电学院，河北 邯郸056038；2.河北省智慧水利重点实验室，河北 邯郸056038）

0 引 言

近年来，随着经济的发展、人口的增长，水资源短缺问题日益突出。2025年农业用水量需增加19%，才能满足基本粮食需要[1]。中国是农业大国，农业是最主要的用水部门[2-3]。2018年，农业用水占用水总量的61%以上[4]。农田灌溉用水量占农业用水量的80%以上[5]。在干旱和半干旱地区，灌溉用水尤其匮乏，因此，实现智能精准灌溉，进行作物需水量预测，节约农业灌溉用水，对缓解水资源短缺问题尤为重要。

气象条件，农业技术措施等均会对作物需水量产生影响。作物需水量与其影响因素之间呈非线性关系，采用人工智能方法模拟非线性关系已得到广泛应用[6]，因此很多学者用人工神经网络（ANN）对作物需水量进行预测：李志新[7]等构建了GA-Elman 神经网络参考作物需水量预测模型；孟玮[8]等建立基于人工蜂群算法的径向基网络预测日参考作物需水量模型；邓皓[9]等提出基于MIV-MEA-Elman 核桃果实膨大期作物需水量预测模型；Abrishami[10]等采用ANN 对小麦和玉米日实际需水量进行估算。此外，支持向量机（SVM）也是人工智能领域中的重要算法模型之一，与ANN 相比，SVM 能够很好地克服ANN 训练时间长，训练结果存在随机性和过学习等不足[6]。彭世彰[11]等建立了有较强适应性的基于支持向量回归机的参考作物腾发量实时预报模型，该模型比BP 神经网络模型有更优的泛化能力；郭淑海[12]等用最小二乘支持向量机对实际蒸散发量进行了估算，估算精度较高；……