宁夏引黄灌区是我国特大型古老灌区之一,其退水量通常占引水量的40%-60%。其重复利用不仅对于灌区,而且对于整个黄河流域的水量调度具有十分重要的意义。在查阅国内外相关文献资料的基础上,本文采用理论与方法研究和应用相结合的技术路线,研究了宁夏引黄灌区退水的变化规律,确定了退水的组成及主要影响因素,将灌区退水分为年退水、月退水、日退水等3种不同的类型,对灌区退水量预测的理论与方法进行了研究。论文的主要研究成果为：(1)研究了灌区退水量的组成,揭示了退水量的年际和年内变化规律,采用灰色关联度和相关分析的方法确定了退水量的主要影响因素为引水量、地下水位和降水量。(2)以年退水量为研究对象,采用非常适合小样本资料研究RBF网络模型,建立年退水量预测模型。研究表明网络能非常好的逼近训练样本,检验样本预测效果精确。(3)灌区月退水量的变化呈一定的周期性,但随机波动较大,用传统数值分析方法很难进行模拟,本文利用“分解—重构—预测”的小波网络模型,小波分解对灌区月退水量序列进行了平滑,分解后的序列的平稳性毕原始信号好,并实现了对特征不同的小波系数序列选取不同的神经网络模型进行预测,提高了预测精度。(4)由于灌区日退水量序列是非平稳时间序列,本文应用小波时间序列预测方法,即利用小波分析将时间序列可以通过小波分解一层一层分解到不同的频率通道上,由于分解后的序列在频率成分上比原始信号单一,并且小波分解对信号作了平滑,因此,分解后信号的平稳性比原始信号好得多,为了保证分解后各小波序列充足的样本数,对灌区日退水量时间序列分解后再重构到原来的尺度上,对分解重构后的小波序列利用相应的时间序列模型进行预测。(5)对灌区日退水量时间序列进行混沌识别和相空间重构,揭示灌区日退水量具有混沌特征,确定了其重构相空间的时间延迟、嵌入维数和关联维数。在此基础上,将相空间重构理论与小波网络方法相结合,建立灌区日退水量预测的混沌小波网络模型,克服传统BP网络容易陷入局部极值、收敛速度慢等缺点。