神經網絡就是模擬人類思維的第二種方式。在神經網絡模型中，BP網絡是應用最為廣泛的模型之一。BP網絡是一種按照誤差逆傳播算法訓練的多層前饋網絡，可以學習和存儲許多輸入、輸出模式的映射關系，在各個領域都得到了廣泛的應用。

　　在傳統的土壤墑情預測模型中，如果只提供簡單的參數，那么模型則很難得到應用，而且許多墑情預測模型都比較復雜，在實際應用中很不方便，也存在一定的誤差。因此，可以采用神經網絡方法，通過建立神經網絡預測模型，對土壤墑情進行準確的預測工作。

　　土壤墑情的主要影響因素包括：氣候、水分、土壤的特性以及農作物的生長等，當對某一地區的土壤墑情進行預測時，就要充分考慮神經網絡方法的應用，需要對影響土壤墑情的因素進行分組或者數值量化表示，對于普遍的結果進行模型的建立來分析土壤墑情。

　　對于BP網絡的算法，由信息的正向傳遞和誤差的反向傳播等兩部分組成。在信息的正向傳遞時，信息從輸入層到隱含層進行計算，最終傳遞到輸出層，其神經元的狀態只對下一層的神經元狀態起作用。那么，如果輸出的數據不理想，就開始對輸出層的誤差數值進行計算，接下來進行反向傳播，從而利用計算機網絡，將誤差反向傳播回各層的神經元中，最終得到精準的數值。

　　神經網絡模型法在土壤墑情的預測上有重要的應用。神經網絡具有自主學習的優勢，可以自主的建立輸入參數和具有可調層數的BP網絡模型，這種自主學習的功能還對預測有重要的意義，因此神經網絡方法在土壤墑情的預測中可以廣泛的應用。此外，神經網絡模型所使用到的參數在目標區域都很容易得到，在一定程度上方便了對土壤墑情的預測。