我国目前正处于传统农业向现代农业转型的关键时期,信息化、智能化的农业受到越来越多的关注与重视。与此同时,我国农业专家与学者在节水灌溉中取得了大量的研究成果,如何将成果具体应用到实际的农业生产中,应作为目前考虑的重点。人工神经网络对数据存储与记忆中的特点能够很好的拟合样本输入与输出的关系,因此可以考虑将节水灌溉工程中已有的研究成果转变为样本数据,通过对样本数据的训练建立人工神经网络模型,用这些带有专家知识的人工神经网络模型代替有限的专家,帮助农民解问题。对于农民在节水灌溉中经常遇到的问题,比如:井灌区农用井泵出现故障时,如何寻找故障原因;在灌溉过程中,如何选择节水灌溉形式;当确定了灌溉和施肥方案时,如何预测产量的问题。针对这些问题把搜集到的专家知识以及课题组所拥有的科研成果形成样本数据,利用人工神经网络分别对不同的样本进行训练形成了针对不同问题的神经网络模型,并通过实例验证了这种解决问题的方式的可行性。主要研究成果如下:(1)分析了灌溉中水源处井泵故障的问题以及对应的故障原因,将具有模糊性的故障问题用隶属度函数值定量描述,并用二进制数表示故障原因,以问题与原因的这种对应关系作为输入和输出来训练神经网络,用测试样本对训练的神经网络进行检验,结果与期望输出一致。(2)分析了如何根据限制因素选择节水灌溉形式,不同的条件选择不同的节水灌溉形式,以此为基础确定学习样本的原始数据,并将输入数据归一化处理,输出数据用二进制数表示。用人工神经网络训练处理后的数据,训练后的实际输出与期望输出相差较小,数值上基本吻合,满足对节水灌溉形式优选的要求。(3)分析了某试验站的冬小麦水肥-产量之间的关系,将水肥、产量的原始数据归一化处理后,作为人工神经网络的输入和输出,训练的神经网络模型对测试样本进行预测,预测结果反归一化后得到的预测产量与实际产量的均方误差为3.55%,满足对产量预测的精度要求。