连晓晗，马永强，刘 真，刘 心

(河北工程大学信息与电气工程学院，河北 邯郸 056038)

　　摘 要：青椒生长期内需水量与气温、气压、相对湿度等因子之间存在复杂的非线性关系，需水量变化呈现出时序 性和周期性的规律，为提高青椒生长期日均需水量的预测精度，提出一种 PSO-GRU (粒子群算法-门控循环单元) 青椒生长期日均需水预测模型。以 2014—2018 年实验所得的青椒需水和气象环境等数据为数据源，将日均气温、 气压、风速等六维数据作为特征集，需水量作为标签，GRU 神经网络作为需水预测的训练模型，并针对 GRU 超参数 容易陷入局部最优的问题，利用 PSO 优化 GRU 模型的超参数，通过仿真实验对青椒生长期日均需水量进行预测， 并与 RNN， LSTM 和 GRU 等模型进行对比，验证 PSO-GRU 模型的优越性。仿真实验结果表明：PSO-GRU 模型 的预测精度和拟合效果显著提高， RMSE 为 0.505， MAE 为 0.388， MAPE为 7.73，R2为 0.888。PSO-GRU 模型可 为制定灌溉计划提供依据，有利于节水灌溉，推动农业种植水利信息化。

　　关键词：PSO;GRU;需水预测;神经网络;青椒生长期;节水灌溉