本文以大型灌区为对象，研究了灌区水资源的优化调配问题。主要考虑了大系统分解—协调递阶模型的降维、多目标优化决策及其定性和定量相结合的一系列问题。 本文主要完成了以下几个方面的内容： 1、提出了一个新型的模型——作物蒸腾蒸发回归神经网络决策模型，该模型以已有的BP神经网络为基础，增加了一个偏差单元，该偏差单元的作用是修正网络的训练误差、提高网络的收敛速度，从而达到预期的目的。 2、建立了大型灌区水资源优化调度决策模型，研究在灌区渠首供水能力和泵站提水能力一定的条件下，将灌区水资源如何调配才使得灌区总净收益达到最大值的优化决策问题。它包括两个方面：一是当渠首可引水量能满足灌区灌溉用水量时，则不需要提水灌溉；二是当渠首可引水量尚不能满足灌区灌溉用水量时，则需提水灌溉来补充灌溉用水量。 3、初步提出了灌区水资源优化调度分解—协调递阶模型的矩阵函数形式，这使得模型的内容更加丰富化。 4、提出的模型经实例验证与实际情况比较吻合，可作为大型灌区水资源管理的依据。