处于我国南北分界处的淮北地区,是我国重要农作物种植和粮食生产基地,由于降雨量年际变化大,年内分布不均,旱涝交替发生等问题相对突出,使得该地区的水资源量相对匮乏。而土壤水作为作物吸收水分的主要来源,是促进作物正常发育,保证农业生产活动正常运行的重要基础。在水资源短缺的今天为了提高农田用水的利用率,避免水资源严重浪费,及时准确掌握农田土壤水分变化动态规律,对制定适时适量灌溉具有重要意义。本文以五道沟水文实验站为依托对夏玉米-冬小麦轮作期间的土壤水分进行研究。采用该实验站1991年6月-2020年5月大田土壤水分、地下水位埋深和多气象资料,分析了夏玉米-冬小麦生育期土壤水和地下水的关系,并拟合了10种曲线方程;对夏玉米-冬小麦轮作期间土壤水分与水文气象因子作相关分析,并建立土壤水分多元线性回归方程;分别采用BP神经网络和遗传算法优化BP神经网络方法,建立了作物轮作期间土壤水分预测模型。结果表明:(1)分析夏玉米、冬小麦生育期土壤水分与地下水位埋深的关系,选取10种函数对土壤水和地下水的转化进行非线性拟合,结果表明:使用傅里叶函数拟合精度最高,夏玉米生育期拟合精度达到0.8185;冬小麦生育期拟合精度达到0.9505。(2)对夏玉米-冬小麦轮作期间土壤水分与水文气象因子作相关分析,以相关性最大的影响因子为初始变量,逐步添加到4个因子,分别建立了夏玉米各生育期土壤水分预测模型,随着自变量的增多,模型拟合精度越高,当变量为4个时,R~2为0.742～0.979。除了土壤表层,平均相对误差均可控制在0.1以内。(3)选取了对土壤含水率有直接影响的10个气象因子,利用BP神经网络模型建立了不同土层(0-20cm、20-40cm、40-60cm、60-80cm、80-100cm)的土壤水分预测模型,模型分别为BP(10-16-1)、BP(10-11-1)、BP(10-8-1)、BP(10-14-1)、BP(10-14-1)。预测结果显示,土壤表层的相对误差较大,但随着土层的增加,误差全部控制在0.09以内。(4)为了提高BP神经网络的预测精度,引入了具有全局搜索能力的遗传算法来优化BP神经网络的初始权值和阈值,从而能够更好的预测输出。预测结果表明:随着土层的增加,土壤水分的相对误差减小,相对误差控制在0.065以内。