水资源是支撑人类生命和经济增长与可持续发展的最基本要素之一,而其中径流要素的变化主导着整个系统变化。由于受气候、流域自然地理、社会发展以及人类生存需要的综合影响,使得其变化特性和规律错综复杂,表现为随机性、突变性、非线性等特性。因此,径流预测,特别是中长期预测,是十分困难的,至今仍是国内外研究的热点和难点。人工神经网络作为一种常用的人工智能算法,在水资源系统研究领域,主要被应用于降雨预报、径流预报、洪水预报、水质和水量预测、水资源优化配置、水库优化调度、地下水管理、水土资源利用规划等方面。而水文现象的复杂性、不确定性和水文资料信息不足,使水文系统具有灰色系统的特征,因此,在水资源评价、水资源管理和水资源预测等方面,灰色系统理论得以广泛应用。本文将人工神经网络和灰色系统理论相结合,对径流中长期预测进行了研究,主要研究内容和成果如下：(1)预测方法的创建。根据径流序列的特点及变化规律,提出了灰色-人工神经网络预测方法,即采用灰色系统理论中的弱化缓冲算子,弱化时间序列中的局部波动成分后得到新序列作为人工神经网络模型训练样本,再利用MATLAB人工神经网络工具箱进行预测。其主要目的是,通过弱化缓冲算子的构造,削弱径流极端变化的情况,使得序列变得平缓,从而能更容易寻找其隐含的规律。因此,在神经网络训练时,能更好地拟合相应的输入输出之间的复杂映射关系,从而提高预测精度。(2)年径流预测模型的研究。将上述灰色-人工神经网络应用到实例分析中,对比预测结果研究发现,该方法在年径流预测中预报精度有所提高,但由于使用弱化算子后,减弱了径流极端变化的情况,在径流量偏大或者偏小的年份,预测出的年径流量误差较大,因而该方法较适用于平水年。(3)月径流预测模型的研究。将上述灰色-人工神经网络应用到实例分析中,对比预测结果研究发现,该方法用于月径流预测中精度明显提高,能较好地反映出1992-1996年每年各个月径流量的变化趋势,特别是改善了汛期预测的结果,印证了该方法的可行性,具有较好的应用价值。