摘要：将优化函数的连续型蚁群算法与小波神经网络耦合，用蚁群算法优化神经网络的权值和小波参数，找到蚁群算法中信息素更新的最佳衡量标准，且建立了基于蚁群优化的小波神经网络模型，旨在准确预测水稻需水量，为制定合理的灌溉制度、提高水利用率提供科学依据．通过对三江平原富锦市1985至2001年的井灌水稻区全生育期需水量预测检验，确定网络结构为6-12-1，训练最大次数20次时网络收敛，误差精度达到0．0024．研究结果表明，该模型不但计算简便，而且具有较强的逼近能力、较快的收敛速度和较好的预报精度，并且为网络模型的参数优化提供一种新方法，也为预测、预报的研究拓宽新思路。

关键词：小波神经网络 蚁群算法 需水量 参数优化 

单位：东北农业大学水利与建筑学院 哈尔滨150030 佳木斯市水利勘测设计研究院 佳木斯154003