基于分布式大数据系统的城镇区域需水量预测问题是城镇供水系统调度和管理的核心之一。文章设计了一种在云平台上基于BP神经网络的改进算法实现并把其应用于城镇区域需水量预测中,该种方法不仅可以对区域需水量进行科学准确预测,而且可以有效解决传统单机模式下存在的问题,为相关部门决策提供重要支持。根据云南水投公司将采用“互联网+”的思维借助云计算平台,通过移动宽带网将智能水表获取的海量用水数据实时汇聚到云端,然后结合相关算法对城镇区域需水量进行分析预测等背景,文章基于云平台的分布式数据存储系统实现本文的预测算法,即在云环境下搭建了大数据平台,利用该平台的分布式文件系统HDFS存储Flume从智能终端实时获取到的海量用水数据,然后利用Spark对提出的改进算法进行并行化处理,进而预测城镇区域需水量。据研究表明,城镇区域用水量各影响因素之间表现为非线性关系,而BP神经网络具有很强的非线性映射能力等特点,所以文章重点对基于BP神经网络的城镇区域需水量预测算法进行深入研究。同时在研究过程中,发现BP神经网络存在一些如全局搜索能力差、对初始参数敏感等缺点,进而采用粒子群算法进行弥补。在进一步深入研究时,发现该组合模型具有易陷入局部最优、搜索精度低等不足,又引入遗传算法的思想对粒子群算法做改进,提出改进后的粒子群优化BP神经网络的组合算法模型来对城镇区域需水量进行预测。最后实验可得,该种方案不仅可以提高城镇区域需水量预测模型的精度,而且有效解决了传统单机模式下的存在的局限性,为城镇区域需水量的供水调度和科学预测提供了准确依据。