降雨径流预报的预测结果是制定水资源系统运行方案的基础并可以广泛地应用在防治洪水、干旱保护、环境保护、水库调度、水电站运行、航运管理和水资源分配等领域中。但是由于降雨径流内在机制的复杂性及人类活动的影响，所以以往的预报精度往往不尽如人意。因此，降雨径流的研究迫切需要引入新的理论和方法。在这种形式下，本论文把基于改进的L-M型BP神经网络模型应用于降雨径流的预报计算上，为提高降雨径流的预报精度提供了一条有效的途径。本文结合对松花江干流河道抗洪能力分析研究的项目进行了以下几个方面的工作： (1)对L-M(Levenberg-Marquardt优化方法与Bayesian正则化方法)型BP神经网络模型进行如下改进：①采用两轴法计算流域的平均日降雨量；②把汛期和枯水期分开来建模。 (2)利用改进的L-M型BP网络模型对松花江干流流域做洪水预报，并与传统方法进行对比。实验表明，采用新方法的预报精度较高，能较好的反映计算流域的降雨径流规律。 (3)结合L-M型BP神经网络建立了一套可靠实用的松花江流域河网水动力学模型。对松花江的局部流域和较大范围流域都做了洪水预报。预报结果证明，本文建立的松花江河网水动力学模型，计算精度较高，使用方便，为今后综合开展松花江水环境数学模型研究打下了较好的基础。