【摘要】随着大型灌区农田有效灌溉面积要求的不断提高，研究其发展趋势及预测凸显出重要意义。本文首先介绍了预测方案的确定与预测方法的选择，分析了大型灌区农田有效灌溉面积预测，并研究了模型参数检验和预测。
【关键词】大型灌区；农田；有效灌溉面积；发展趋势；预测
一、前言
作为大型灌区农田有效灌溉面积方面的重要工作，其发展趋势及预测在近期得到了有关方面的高度关注。该项课题的研究，将会更好地提升对其发展趋势的掌控，从而有效保证灌区农田的实际发展效果。
二、预测方案的确定与预测方法的选择
1.预测方案的确定
农田有效灌溉面积的变化受多方面因素的影响，比如政策、中央财政资金投入、地方财政资金投入、农民收入状况等。这些因素并不是孤立地对农田有效灌溉面积产生影响，而是耦合在一起以非线性的方式影响农田有效灌溉面积的变化。
农田有效灌溉面积的预测有两大类方案：一种为结构式的预测方法，就是通过一定的方式建立起各主要影响因素与农田有效灌溉面积之间的关系，然后根据未来各影响因素的变化去预测相对应的农田有效灌溉面积；另一种为数据序列预测法，就是将各年度的农田有效灌溉面积数值作为连续的时间序列看待，可以认为农田有效灌溉面积的变化规律已经蕴含在数据序列之中，再采用合适的方法对该序列在未来的取值进行预测。
在第一种方案中，首先需要确定具体影响农田有效灌溉面积变化的因素种类及其影响规律，另外还需要对各因素的未来变化进行预测。准确地确定影响农田有效灌溉面积变化的各种因素本身就很有难度，各因素对有效灌溉面积影响规律的辨识也同样是一个比较复杂的问题，而预测各因素未来的变化更是一个几乎和预测农田有效灌溉面积难度相当的问题。在第二种方案中，首先需要建立起能够充分反映农田有效灌溉面积变化规律的预测模型，然后通过求取该预测模型在未来的输出值即可实现预测。两种方案相比，显然第二种方案更容易实现。因此，在以下研究中采用数据序列预测方案。
2.预测方法的选择
在数据序列的预测中，目前广泛采用的方法有移动平均法、指数平滑法、线性回归法、灰色预测法、神经网络法和支持向量机方法等。这些方法中神经网络法和支持向量机方法从本质上来说更为适合应用于非线性预测问题。而农田有效灌溉面积所构成的数据序列是一个典型的非线性序列。显然在该研究中采用神经网络法和支持向量机方法较为合适。
三、大型灌区农田有效灌溉面积预测
1.样本数据选定
2.构建GM（1，1）模型
3.Markov链过程
残差的标准化离差η符合正态分布。按照等概率原则，将大型灌区农田有效灌溉面积以η的大小为依据划分成3种状态。划分如下：
（一）快速状态（a）该区段的概率为30%，即η65%≤η
