受四川盆地地形与北部秦岭山脉的影响，达州市河流众多，洪灾频频发生，每次洪灾都给达州市政府和人民带来巨大的经济损失和惨重的人员伤亡。事实证明，如果我们还不采取有效的措施来预防洪水，人民的生命财产将面临巨大的威胁，经济损失也将日益扩大。而洪水预报是一种非常重要的非工程防洪措施，直接影响着防汛、水资源的合理利用和水利工程的管理等工作情况。当前，基本上所有的洪水预报模型都是以实测数据为基础建立起来的，例如统计模型、确定性预报模型，只能够近似的来模拟实际洪水规律。但在实际应用中,这些洪水预报模型受到了许多条件的限制，难以被运用于处理洪水和各要素之间的内在关系。本文在国内外研究成果的基础上，研究了如何将人工神经网络应用于洪水预报中。详细介绍了人工神经网络和BP神经网络的基本理论，给出了建立BP网络的几点注意事项，分析了BP神经网络的缺陷，介绍了几种改进算法。并采用LM算法改进的BP神经网络模型预报了四川省达州市州河上游东林水文站的洪水流量，分析了预报结果，找出了BP神经网络模型的不足之处。本文研究的重点是将如何将遗传算法（GA）运用到人工神经网络（ANN）中去。通过研究GA算法，针对BP网络在学习过程中存在的问题，对BP神经网络进行了优化，设计出了GA-BP神经网络模型，该模型能够避免BP神经网络模型在学习过程中得到局部最优解。以州河流域水文资料数据为研究样本，用MATLAB（2009a）神经网络工具箱作为开发环境实现了GA-BP洪水预报模型，通过反复训练获得了预报结果，并与单一采用LM算法的BP神经网络模型进行比较。结果表明，GA-BP神经网络模型的预报结果合理、相对误差小、收敛速度快，预报精度高。该模型实用性较强，在洪水预报领域能够得到较好应用，可以为达州市的防汛工作提供一定的参考意见。