随着城市人口的日益增多和社会经济的快速发展,城市对于水资源的需求量也越来越大。由于目前水资源的短缺以及供水设施的不完善,导致城市水资源出现了严重的供需矛盾。城市需水量预测是进行供水、用水和节水计划的基础,因此对城市进行需水量的预测具有重大而深远的意义。广义回归神经网络(GRNN)具有很强的非线性拟合能力,在逼近能力、分类能力和学习速度上有着较强的优势,尤为适合做预测分析研究。但该方法的调节参数-光滑因子却难以确定,其值对网络的预测性能影响很大。基于此,本文引入小生境粒子群算法(NPSO)来确定光滑因子,将光滑因子映射为粒子,通过粒子寻优找到全局最优的光滑因子,从而确定了广义回归神经网络模型,构建了基于NPSO-GRNN的城市需水预测模型。通过调查分析北京市的经济发展状况、气象水文以及历年供水资料,利用SPSS软件中的Person相关性分析法,采取双侧检验法对收集到的用水量影响因素进行结果显著性分析,找到影响用水量的关键因素。构建了NPSO-GRNN城市需水量预测模型、BP神经网络需水量预测模型和GM(1,1)需水量预测模型并应用三种模型分别进行了预测。结果表明:虽然三种需水量预测模型均是可行的,但是,NPSO-GRNN预测模型比起其他两种方法,不但预测精度最高,而且还具有收敛速度快、调整参数少,不易陷入局部极小值的优点,为城市需水量更科学的预测提供了一种新方法。