本文在查阅大量国内外文献的基础上，对优化灌溉及精量灌溉控制技术做了全面的综述。在借鉴前人所做工作的基础上，结合我国水资源及农业灌溉实践，提出了适合我国农业灌溉工程的单(多)作物优化灌溉模型，并通过灌区的试验数据对模型进行了求解，结果显示在非充分灌溉条件下，该模型能对有限的灌水资源在不同作物及作物的不同生长期内进行优化分配；同时，通过改进算法神经网络，利用天气环境参数对作物在特定生长阶段的需水量进行了预测，预测结果和试验数据对比显示了作物需水量神经网络模型的预测精度完全能满足我国的农田灌溉需求；通过模糊决策技术，对作物的需水量和土壤湿度状况以及作物的生长阶段等因素来模糊决策作物的灌水量，把当前先进的智能化决策技术应用到灌溉工程中。最后，通过对多个模型的集成，生成一套可视化农业灌溉决策软件指导农业灌溉实践。 主要研究内容和创新点有： 1.首次建立了考虑多种因素的单作物优化灌溉模型。在综合考虑灌溉水量、作物水分需求、水分生产函数、降雨量、土壤水分平衡、缺水敏感指数、粮食市场价格、农田灌溉用水价格、最低产量需求和灌溉成本等因素的基础上，建立适应我国国情的基于灌水收益最大的单作物优化灌溉模型，同时应用遗传算法强大的搜寻功能，对模型的实数编码解空间进行搜索，得到特定条件下模型的最优解。通过夏玉米田间种植试验，验证模型的有效性。 2.首次建立了多作物联合种植优化灌溉模型。在单作物优化灌溉模型的基础上，在综合考虑作物种植结构，不同作物对水分需求，以及每种作物的最低产量需求基础上，建立基于灌水收益最大的多作物多约束非线性优化灌溉模型，同时应用遗传算法强大的搜寻功能，对模型的实数编码解空间进行搜索，得到模型的最优解。通过田间的夏玉米、冬小麦联合种植对比试验，验证模型的有效性。 3.对设计的优化灌溉模型遗传算法控制参数进行优选。通过分析不同遗传算法参数(群体规模、交叉概率和变异概率)对寻优过程的影响，以及不同参数组合对模型寻优过程的对比，得到对作物灌溉模型最优的组合参数。同时在该组最优组合参数下，对模型的5种灌水水平进行优化求解，得到了模型的最优解。 4．建立了作物需水量神经网络预测模型。在作物需水量预测模型中，首先针对某种作物，分析影响作物需水量(作物腾发量)的因素，根据相关系数确定影响作物需水量的主要因素，然后以这些主要因素为输入，以作物需水量为输出，采用优化神经网络算法来预测作物需水量。同时，根据大量的常年实验数据来训练神经网络模型，最后通过一组非样本数据来验证该模型的有效性。 5．建立了作物灌水量模糊决策模型。在作物灌水量模糊推理模型中，充分考虑作物的灌水量不仅与作物需水量有关系，而且与土壤湿度、作物类型和生长阶段有密切的关系。尤其各因素对灌水量的影响是非线性和模糊的，很难用精确的数学模型表达出来。模糊决策技术是基于大量专家经验和长期灌溉实践的基础上的，因而，可以根据这些因素对灌水量影响的不同权重，建立作物灌水量模糊推理模型。 6．将各模型制成组件，进行模块的镶嵌集成。利用对象模型(COM)生成器把上面3个智能模型做成组件，然后利用知识工程对生成的组件进行有机集成，应用面向对象的高级语言(Visual Basic)把各组件进行有机融合，最终生成作物灌水长、短期优化分配系统，用户只要在界面上输入必要的信息，系统就能根据各内嵌支持模块做出最优灌溉计划。