1.一种基于神经网络预测的大棚灌溉系统，其特征在于，包括：若干大棚监测区，所述大棚监测区设于大棚内，所述大棚监测区内设有监测模块，所述监测模块包括湿度监测系统、温度监测系统、土壤墒情监测系统；

神经网络预测模块，所述神经网络预测模块与所述监测模块连接，所述神经网络预测模块用于大棚内作物的腾发量；

模糊控制决策模块，所述与所述神经网络预测模块连接，所述模糊控制决策模块采用模糊PID控制方式；

灌溉模块，所述灌溉模块与所述大棚以及模糊控制决策模块连接。

2.根据权利要求1所述的基于神经网络预测的大棚灌溉系统，其特征在于，还包括：气象监测模块，所述气象监测模块设于大棚外,所述气象监测模块与所述神经网络预测模块连接。

3.根据权利要求2所述的基于神经网络预测的大棚灌溉系统，其特征在于：所述气象监测系统能够是气象监测仪、气象传感器或气象卫星。

4.根据权利要求1所述的基于神经网络预测的大棚灌溉系统，其特征在于：所述神经网络预测模块依靠所述监测模块和气象监测模块预测作物腾发量。

5.根据权利要求4所述的基于神经网络预测的大棚灌溉系统，其特征在于：所述神经网络预测模块采用Penman-Monteith公式和BP神经网络对作物需水量进行建模和预测。

6.根据权利要求5所述的基于神经网络预测的大棚灌溉系统，其特征在于：所述神经网络预测模块采用BP神经网络ET0预测模型。

7.根据权利要求1所述的基于神经网络预测的大棚灌溉系统，其特征在于：所述灌溉模块包括控制系统和灌溉系统。

8.根据权利要求7所述的基于神经网络预测的大棚灌溉系统，其特征在于：所述灌溉系统能够是洒水机、洒水喷头或灌溉管道。

9.一种利用权利要求1-8中任一权利要求所述的灌溉系统进行的灌溉方法，其特征在于，包含以下步骤：S1、监测模块将湿度监测系统、温度监测系统和土壤墒情监测系统收集的数据传输到神经网络预测模块；

S2、神经网络预测模块分析收集到的数据预测作物的腾发量，并将分析后的数据输入到模糊控制决策模块；

S3、模糊控制决策模块结合土壤墒情、气象信息等外界因素对作物各生长阶段灌溉量的影响，分析作物需水量的变化趋势，并将分析数据输送到灌溉模块；

S4、灌溉模块根据需水量变化趋势对作物进行精准灌溉。

10.根据权利要求9所述的灌溉方法，其特征在于，还包括：施肥模块，所述施肥模块与所述模糊控制决策模块连接，所述监测模块还包括肥料监测系统；

S1、监测模块将肥料监测系统收集的数据传输到神经网络预测模块；

S2、神经网络预测模块分析收集到的数据预测作物的需肥量，并将分析后的数据输入到模糊控制决策模块；

S3、模糊控制决策模块结合土壤墒情、气象信息等外界因素对作物各生长阶段施肥量的影响，分析作物施肥量的变化趋势，并将分析数据输送到施肥模块；

S4、灌溉模块根据施肥量变化趋势对作物进行精准施肥。