本文以东风渠灌区为背景，对灌溉用水量预测的方法进行了探讨。 首先简要分析并总结了现有灌溉用水量预测方法，指出了现有方法的局限性。 然后介绍了时间序列中的线性随机模型，并用AR模型对季节性的时间序列进行了分析和预测，模型先对季节性的时间序列进行了预处理，使之成为稳定的序列，再通过AR模型分析求解。通过分析，发现系列本身的相关性较好，但由于模型本身的局限性，预测结果不够理想，其根本原因在于模型本身的线性性质。 由于上述线性随机模型的局限性，本文引入神经网络模型对灌溉用水量进行了预测。神经网络模型的一个主要优点是其强大的非线性映射能力。在时间序列的基础上，本文建立了BP网络模型。由于BP网络的传统算法不够理想，本文又引入了非线性最小二乘法中的LM算法，不仅提高了网络的精度，而且缩短了训练的时间。考虑到遗传算法具有良好的全局搜索特性，搜索到全局最优解的概率比起神经网络的算法来说要大得多，而在局部搜索方面则不如神经网络算法，本文最后尝试先用遗传算法优化初始权重、再用LM算法进行修正的方法建立了灌溉用水量的预报模型。采用该模型对东风渠灌区灌溉用水量进行了预测，得到了较好的结果。