潮汐灌溉是世界上节水效果最好的节水灌溉技术之一,考虑到我国引进此技术的时间较短,土壤湿度传感器的检测精度有待提高,所以本文基于小白菜育苗潮汐灌溉的研究,根据气象条件通过BP神经网络来预测需水量,优化控制规则,从而更好地指导苗种的灌溉。本文主要的研究包括以下几个方面:通过SPSS软件对于小白菜育苗时盘重和基质相对湿度的数据进行研究,得出两者关系的模型,从而推出蒸发蒸腾量和基质相对湿度的模型,而基质的相对湿度又是潮汐灌溉控制的重要参数。通过SSPC相关性的分析将土温因素用同组相关性很强的温度和湿度来代替,这样可以降低农业节水工程的成本,提高可操作性,利于育苗潮汐灌溉的推广。目前普通的土壤湿度传感器存在一定的误差和实测时的时滞及失真,而高性能的传感器价格极其昂贵。运用神经网络对于光照、空气温度、湿度三因素和基质相对湿度的研究建立了神经网络的模型,并通过实际验证显示,此模型能通过环境的光照、空气温度、湿度的数据预测说基质相对湿度的变化率,为温室育苗潮汐灌溉的决策分析提供数据,为潮汐灌溉的产业化推广提供了理论的基础。运用PC机和三菱PLC将神经网络得出的土壤湿度变化量的预测数据应用于蔬菜育苗潮汐灌溉的自动控制作了研究和探讨。