人工神经网络具有强大的非线性逼近能力和容错能力，而小波分析则具有良好的时阈、频域同时多分辨率分析的能力，本文结合二者优点，将基于小波多分辨分析的BP神经网络(Wavelet neural network，简称小波神经网络)应用于西湖水生生态系统的模拟，进行水体富营养化趋势的短期预测。采用2000年1月至2001年7月的西湖常规监测的水生生态数据，通过主成分分析法选取出合适的建模对象。选择合适的小波基和分解尺度对叶绿素a进行小波多分辨率分析，将序列分解成一个低频概貌分量和多个高频细节分量，并在此基础上分别建立模型Ⅰ和模型Ⅱ。模型Ⅰ以主要信息(低频概貌部分)作为网络的输入建立BP网络预测叶绿素a含量；模型Ⅱ则对主要信息和次要信息(高频细节部分)分别建立网络，最后汇总叠加各分网络输出得到最终结果。结果表明，模型Ⅱ有效地结合小波分析的局部性和神经网络的自学习能力，弥补以往BP神经网络预测时不分主次的不足，不仅提高网络的稳定性，避免过拟合现象，同时，模型的预测精度较高、泛化能力强，可为合理制定和实施西湖富营养化管理提供更有力的支持。