梁鑫婕，李卫东，孟凡谦，张海啸，李志伟，秦丹阳

（1.河南工业大学信息科学与工程学院，河南 郑州 450001；2.中国海洋大学海洋技术学院，山东 青岛 266000）

土壤水分的测量对于维持作物的正常生长以及提高作物的经济效益具有重大意义，以往传统的对于土壤水分进行预测的方法是根据经验公式进行计算，其参数是固定的，不具备实时性的特点，无法满足对土壤水分含量的动态预测，随着科技快速发展和我国对农业的结构化调整，对土壤水分预测的动态实时性要求体现出来。因此，通过实现对土壤水分的动态预测进一步实现对作物的科学供水，对实现精准农业具有重要意义[1-10]。

1 数据处理

本研究使用爬虫程序从中国天气网获取2018年10月1日—2019年7月10日的历史气象数据，通过土壤墒情检测仪获取2018年10月1日—2019年7月10日期间的相关土壤数据，将土壤数据及气象数据合并作为本研究所使用的实验数据。由于以往研究者对于相关实验的研究表明，受气象因素影响的主要为土壤的地表表面含水量，因此，课题组不再研究地表以下的土壤含水量，仅研究地表含水量，将两部分数据结合整理后总数据量为6 796条，部分数据如表1所示。

对原始数据进行预处理，为本研究中用到的神经网络预测模型构建训练数据集，对于数据中存在的部分缺失值进行补零替换，使用MinMaxScaler函数对补零后的数据进行归一化处理，特性范围为0～1。从总数据中分离出300条作为本实验的测试集，对于获得的全体数据进行归一化处理，有效保留了数据的周期和范围信息。……