土壤墒情是影响农作物产量和品质的重要因素之一。运用农业信息技术开展土壤墒情预测,对于农田的精细化管理具有重要意义,本文基于神经网络技术,进行茶园土壤墒情预测方法研究,对茶园节水灌溉和精细化管理提供技术支撑。利用神经网络模型预测黄山茶园土壤墒情的变化规律,指导农区节水灌溉策略的制定。本论文采集的实验数据为黄山太平地区2014年12月6号到1月30日的环境信息和气象信息数据。由于茶园处于300米左右的丘陵地区,环境复杂多变,数据传输设备维护较为复杂,采集数据直接运用在分析和建模中,可行性较差,会将误差和错误带人到数据分析中影响实验结果,此时需要利用算法预处理源数据,使数据更加“清洁”。首先利用拉伊达准则处理数据中的较大值、空缺值、异常值,剔除较大毛刺数据,补充数据中的空缺值,提高数据精确度,然后利用小波降噪、二次指数平滑处理去除数据中的噪声,使实验数据整体落在较合理的范围内,经过预处理后保证了温湿度数据的可信度,提高了茶园土壤墒情预测建模的精度。影响土壤墒情预测的因素较多,如温度、湿度、PH、光照强度、土壤的性质等。本文利用相关性分析确定预测模型的输入因子,经过研究确定建模温、湿度、光照强度为输入因子,土壤湿度作为期望输出。本文在BP神经网络对茶园墒情预测研究基础上,并引入了LM算法优化神经网络模型,且将传统神经网络预测结果与LM算法优化后的神经网络模型预测结果误差进行比较,发现优化的神经网络对土壤墒情预测拟合度更高一点,预测效果更好,能够更准确的反映茶园土壤墒情变化情况。为了证明优化后的神经网络模型具有较好的预测效果,更适合运用与茶园墒情预测工作,本文建立一种基于ARX模型的土壤墒情预测,通过比较二种模型的拟合度、相对误差值、均方误差,得出优化后的神经网络更适于土壤墒情预测和分析,对于复杂条件的地区具有广泛的适应性,对后期的预测方法推广具有重要意义。