水文水资源领域中的时间序列，总是受天文、地理、人为活动等众多因素的影响。因而，水文水资源数据具有非线性、多变化、随机性较大等特点，但同时也具有多年变化的周期性和趋势性。常规的线性模型很难解决这些问题，因此，为解决水文水资源中的复杂问题，本文提出了几种小波神经网络模型(WNN)。通过MATLAB计算机语言编程，建立数学模型，应用于实践中，取得了良好的效果。本论文的几点成果如下：1．基于Morlet小波函数的紧致型小波神经网络(WNN)，对该模型的数据转化、参数设置、参数调整进行了改进。将该耦合模型首次应用于水稻需水量预测中，取得了良好的效果。2．脉冲耦合神经网络(PCNN)被称为“第三代人工神经网络”，本文在原有简化模型的基础上，对该模型进行了很大的改进。首次提出了改进型PCNN的水资源利用状况评价模型、基于A Trous小波变换的PCNN年降雨量预测模型，均取得良好效果，在理论上有较大的改进。3．蚁群算法是近代仿生学的新成果，并具有很好的全局优化能力。本论文找到了蚁群算法与Marr小波神经网络的结合点，并做了相应的改进，首次提出了基于蚁群优化的小波神经网络模型。该耦合模型用于地下水位预测中，取得了满意结果。基于以上几种的模型的建立，本论文实现了理论与实践的有机结合。该论文的研究成果既为水文水资源领域的复杂、非线性问题提供了新的方法和思路，同时也拓宽了小波神经网络模型的应用范围，并且在理论上做了相应的改进。