神經(jīng)網(wǎng)絡(luò)就是模擬人類思維的第二種方式。在神經(jīng)網(wǎng)絡(luò)模型中，BP網(wǎng)絡(luò)是應(yīng)用最為廣泛的模型之一。BP網(wǎng)絡(luò)是一種按照誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，可以學(xué)習(xí)和存儲許多輸入、輸出模式的映射關(guān)系，在各個領(lǐng)域都得到了廣泛的應(yīng)用。

　　在傳統(tǒng)的土壤墑情預(yù)測模型中，如果只提供簡單的參數(shù)，那么模型則很難得到應(yīng)用，而且許多墑情預(yù)測模型都比較復(fù)雜，在實際應(yīng)用中很不方便，也存在一定的誤差。因此，可以采用神經(jīng)網(wǎng)絡(luò)方法，通過建立神經(jīng)網(wǎng)絡(luò)預(yù)測模型，對土壤墑情進(jìn)行準(zhǔn)確的預(yù)測工作。

　　土壤墑情的主要影響因素包括：氣候、水分、土壤的特性以及農(nóng)作物的生長等，當(dāng)對某一地區(qū)的土壤墑情進(jìn)行預(yù)測時，就要充分考慮神經(jīng)網(wǎng)絡(luò)方法的應(yīng)用，需要對影響土壤墑情的因素進(jìn)行分組或者數(shù)值量化表示，對于普遍的結(jié)果進(jìn)行模型的建立來分析土壤墑情。

　　對于BP網(wǎng)絡(luò)的算法，由信息的正向傳遞和誤差的反向傳播等兩部分組成。在信息的正向傳遞時，信息從輸入層到隱含層進(jìn)行計算，最終傳遞到輸出層，其神經(jīng)元的狀態(tài)只對下一層的神經(jīng)元狀態(tài)起作用。那么，如果輸出的數(shù)據(jù)不理想，就開始對輸出層的誤差數(shù)值進(jìn)行計算，接下來進(jìn)行反向傳播，從而利用計算機(jī)網(wǎng)絡(luò)，將誤差反向傳播回各層的神經(jīng)元中，最終得到精準(zhǔn)的數(shù)值。

　　神經(jīng)網(wǎng)絡(luò)模型法在土壤墑情的預(yù)測上有重要的應(yīng)用。神經(jīng)網(wǎng)絡(luò)具有自主學(xué)習(xí)的優(yōu)勢，可以自主的建立輸入?yún)?shù)和具有可調(diào)層數(shù)的BP網(wǎng)絡(luò)模型，這種自主學(xué)習(xí)的功能還對預(yù)測有重要的意義，因此神經(jīng)網(wǎng)絡(luò)方法在土壤墑情的預(yù)測中可以廣泛的應(yīng)用。此外，神經(jīng)網(wǎng)絡(luò)模型所使用到的參數(shù)在目標(biāo)區(qū)域都很容易得到，在一定程度上方便了對土壤墑情的預(yù)測。