水稻是我国主要粮食作物之一,随着水稻种植面积增加,对水资源的需求日益扩大,供需矛盾愈加严重,准确地预测水稻需水量能够节约农业灌溉用水,提前确定灌水周期,确保农业生产和粮食安全,对需水量预测成为水稻节水灌溉的重要研究内容。由于在水稻需水量计算过程中,需要获取较多的气象参数,使得水稻需水量计算困难,且传统机器学习方法预测精度较低。因此,为了使水稻需水量预测更加方便,有较高的预测精度,有必要设计与开发一个便捷,智能化且预测精准的水稻需水量预测系统。本文以黑龙江省庆安与向阳两地区水稻需水量为研究对象,采用深度学习技术预测水稻生育期需水量,设计与开发水稻需水量预测系统,主要做了如下工作:首先,针对需水量计算困难的问题,采用修正彭曼公式与系数法计算水稻生育期需水量。第一,在中国气象科学数据网下载庆安与向阳两地区2010-2020年平均温度与日照时数等气象数据。第二,使用修正彭曼公式计算两地区ET0。第三,采用系数法计算水稻生育期需水量,分析两地区水稻需水量变化规律以及不同生长期的需水量差异。分析结果表明,两地区水稻需水量呈周期性变化,均在分蘖期需水量最大,需水总量上向阳地区低于庆安地区。其次,针对水稻需水量预测精度不高的问题,提出基于时序卷积网络的水稻需水量预测模型。第一,采用零-均值归一化方法将水稻需水量归一化处理,以庆安与向阳两地区2010年至2018年数据为训练集,2019年至2020年数据为测试集,采用平均绝对误差,均方误差与均方根误差三种评价指标评定模型性能。第二,提出了基于时序卷积网络的水稻需水量预测模型,调节模型超参数（时间步长,批次大小与迭代次数）,提高模型预测精度。第三,对比时序卷积网络与支持向量回归、随机森林、长短时记忆网络、门控单元网络的预测精度。实验结果表明,5种水稻需水量预测模型中,当时序卷积网络的时间步长设置为14,批次大小设置为16,迭代次数设置为500时,具有最良好的性能,在向阳地区水稻需水量预测中效果最好,平均绝对误差,均方误差与均方根误差分别为0.07、0.33、0.42。最后,针对水稻需水量预测不便捷的问题,设计与实现了水稻需水量预测系统。第一,从用户与业务两个角度分析系统应满足的需求,在此基础上设计系统的整体框架。第二,采用Pyqt5构建水稻需水量预测系统,该系统分为六个功能模块,分别为用户登录注册模块、种植区概况介绍模块、气象数据获取及趋势可视化模块、水稻需水量计算及趋势可视化模块、深度学习模型训练模块、水稻需水量预测模块。第三,对系统进行功能性测试与系统性测试。功能测试结果表明系统功能完备,能够满足各种用户需求。性能测试结果表明各模块平均响应时间为3秒,本系统能够提供较为良好的用户的体验。本文设计与开发的基于TCN的水稻需水量预测系统,为气象数据获取不便捷,水稻需水量计算复杂与预测模型建立困难提供了解决方案,为黑龙江省水稻需水量预测与节水灌溉提供技术支持,也能为玉米与小麦等作物需水量预测系统的开发提供思路与参考。