【摘要】将柑橘幼苗作为试验对象，利用传感器采集空气相对湿度和温度，以基质相对湿度、温度和EC值作为环境因子，采用称重法实时采集作物的质量变化量作为作物的蒸发量；以环境因子为模型输入，作物蒸发量为模型输出，构建长短期记忆神经网络(LSTM)预测模型，优化后的最优模型结构以及训练参数包括LSTM模型的隐藏层1层，隐藏层节点数为120，迭代样本数为128，训练迭代次数为175，网络的激活函数选择tanh函数，学习率为0.001，时间步长为72。LSTM预测模型的决定系数(R~2)、均方根误差(RMSE)、平均绝对误差(MAE)分别为0.993 9、0.015 5 g、0.011 3 g；与循环神经网络(RNN)、门控循环单元(GRU)的预测效果进行对比，LSTM预测模型的预测蒸发值更接近真实蒸发值，预测结果相对误差范围波动最小，RMSE、MAE最小，R~2最大，说明这3种模型中LSTM预测模型的预测效果最佳。