朱爱华， 戴光鑫

（山东省海河淮河小清河流域水利管理服务中心，山东 济南 250100）

0 引言

通常情况下，作物类型、土壤类型与周边环境等因素，具有显著的不确定性，成为影响农田分区灌溉需水量较为显著的因素[1-3]。由此，在分析农田分区灌溉需水量的过程中，需以环境因素为核心进行分析。

当前关于农田分区灌溉需水量的研究方法主要集中于人工神经网络算法和农业技术转移决策支持系统模型两方面。张晓斌等[4]应用BP 神经网络计算土壤蓄水量，但BP 神经网络训练过程中，有较大概率陷入局部最小化问题，收敛速度无法保障。郭兵托等[5]应用小波神经网络分析灌溉需水量，较为准确地描述灌溉需水量的波动情况，但该方法实际应用过程中，对非线性数据预测的精度较差，导致部分日期的分析结果存在显著误差。刘影等[6]利用农业技术转移决策支持系统（DSSAT）模型研究农田灌溉需水量，但此类方法极度依赖历史用水数据，而且忽略了不同影响因素间的相关性。

针对上述问题，本研究将贝叶斯神经网络引入农田分区灌溉需水量模拟中，研究基于贝叶斯神经网络的农田分区灌溉需水量模拟分析方法，获取准确的农田分区灌溉需水量模拟结果。

1 农田分区灌溉需水量模拟方法

1.1 基于贝叶斯神经网络的需水量模拟

1.1.1 农田分区灌溉用水样本数据聚类分析

对农田分区灌溉历史用水的样本数据进行聚类分析，获取若干个有所差异的相似状态数据。……