许景辉 刘政光 周宇博

(西北农林科技大学水利与建筑工程学院， 陕西杨凌 712100)

0 引言

淡水资源匮乏已成为全球性问题，在中国尤为严重。根据国家统计局的数据，我国每年农业用水总量约3 600亿m3，其中农业灌溉用水占比约90%，但农业水资源利用率只有40%～45%，水资源利用率较低[1]。监测作物根系所在位置的土壤含水率不仅可以提高灌溉用水利用率[2]，还能保证作物优质高产，对研究作物根系的水分也能起到积极作用[3]。农作物根系深度因土质不同而存在差异，但大多集中在0～60 cm浅土层。如冬小麦根深可达1.5～2.0 m，但90%的根量分布于0～60 cm表土层内[4]。通过表层少量传感器预测较深土层的含水率可有效减少设备投入、实现植株的精准灌溉，这对于改善灌水条件[5]、保护农业生态、实现智能灌溉具有重要意义。

近几年人工神经网络迅速发展，在解决函数逼近与数据预测等问题上效果良好。结合智能算法的优化改进型BP神经网络集合了优化算法在BP初始权值和阈值优化上的优势，具有良好的非线性映射能力，在不同行业中得到了广泛应用。在农业领域，李旭青等[6]将小波变换和BP神经网络结合，实现了土壤重金属含量反演，其效果良好，但步骤繁复。LIANG等[7]利用遗传算法(Genetic algorithm，GA)与BP神经网络结合，实现了土壤水分的反演，其效果良好，但GA迭代速度较慢。JIA等[8]尝试利用插值法与BP神经网络结合，在土壤金属污染的空间分布估算中获得较高的精度，证明了改进型BP网络的预测精度。在工业领域，张蓓等[9]利用PSO-BP算法对沥青混合料空隙率进行反演计算，大大提高了计算效率，但PSO算法易陷入局部最优的问题较为明显。……