水是人类生存的基本条件,水对我们的生命起着重要的作用。由于水资源在城镇和农村供给的不均匀性,农村供水工程建设规划的不科学性,农村饮水质量的不重视性以及农村给水管理的不合理性等,已给全国很多地区带来水资源的供给问题。在这样的时代背景下,城乡供水一体化孕育而生。在城乡供水一体化的推动下,城乡水资源将逐渐得到优化配置。农村的需水量科学且合理的预测是城乡水资源优化配置的基础和前提。本文主要研究的问题是针对城乡供水一体化进程中数据缺失条件下的农村给水工程需水量预测问题,旨在解决城乡供水系统新建或扩建中的规模确定问题。文章提出了基于用户相关性的多重填补对原始数据中小部分缺失数据进行填补,弥补了单一均值填补在离散程度较高的时间序列中准确性低的问题。在完成数据预处理后,采用模糊C均值聚类对农村进行分类。在文献分析、官方数据分析和数据分析提取的影响因子基础上,将主成因分析法综合出的新成分加入影响因子组,针对每一类的农村运用Pearson相关性分析对影响因子进行降维得到关键影响因素。最后分别将各类用水数据和关键影响因子导入Elman神经网络进行预测并应用粗糙集理论对Elman神经网络的预测结果进行修正。此模型不仅具有很好的拟合性,而且较稳定,所以能够对数据缺失下的农村给水工程需水量研究提供新的思路。文章以海南省保亭县保城镇周边16个村落为例,将2010-2016年各村用水量作为训练数据,对2017年各村用水量进行预测。在预测结果显示,未进行填补的数据、只进行单一均值填补的数据和多重填补的数据分别应用粗糙集-模糊C均值聚类Elman神经网络进行预测,相比前两者,后者的MAPE分别减少了 0.099和0.058,证明了数据填补的有效性;再将多重填补的数据分别应用粗糙集-模糊C均值聚类Elman神经网络和Elman神经网络预测,结果前者MAPE减少了 0.163,验证了算法的优越性。