土壤水分是一个复杂的非线性耦合系统，受外界环境等因素影响很大，在通常情况下，只有充分考虑影响其预测的各个因子，才能建立满足实际需要的预测模型。常用的土壤墒情预测模型有经验公式法、水量平衡法、土壤水动力学法、时间序列模型法等。这些模型在实际应用中受制的因素较多，例如经验模型，虽然简单实用，但是模型中的参数适用范围有限；水量平衡模型、土壤水动力学模型、时间序列模型等虽说有较好的适用性，但是其测量因素很多，且需要的数据量很大。因此，建立理论基础坚实、形式相对简单、参数易于获得，并且能够满足实际需要的土壤墒情预测模型具有重要的理论意义。人工神经网络因其固有的学习能力和适应能力，使神经网络在预测和预报、图像处理、模式识别、自动控制、组合优化问题、智能决策、经济和医疗等领域都有及其广泛的应用，解决了许多传统的数学方法难以解决的问题，在现实应用中发挥了及其重要的作用。近年，神经网络开始在土壤水分检测中得以应用，并且取得一定的成果,本文以人工神经网络的基本理论基础，构建BP神经网络，并将其应用于农业土壤水分预测中，从而建立土壤水分预测模型。
　　土壤水分变化是一个复杂的非线性系统，由于土壤结构复杂且具有多样性和变异性，很难建立一个通用的理想土壤水分预测的数学模型。本文选取具有层面代表性的土壤水分值和对土壤水分影响显着的气象因子，利用BP神经网络建立的土壤水分预测模型，适用于土壤水分的预测，预测的平均误差1.38%,满足实际应用需要，预测结果表明此方法是有效可行的。