为了解决城市的排水和防洪问题,人们已经提出了许多的城市雨水径流模型和城市雨水道的设计模型,但是由于城市雨水资源化的目的不是单纯地解决城市的排水和防洪问题,而是以将那些在汛期白白流失的雨水资源尽可能多的收集起来,转化为城市地区的一种可用水资源来缓解城市水资源危机为主要目的,同时兼顾在很大程度上减轻防洪压力,降低洪灾损失,因此以往的城市雨水径流模型或是城市雨水道模型都不能适用于城市雨水资源化.城市雨水资源化是一个复杂的系统,径流及传输模型作为这个系统的重要组成部分,直接决定着城市雨水资源化的量化过程,并为进行城市雨水资源化经济效益评价提供依据.本文在分析郑州市水文、气象、水资源条件及其降雨径流影响因素的基础上,提出了郑州市城市雨水资源化径流及传输模型.城市雨水资源化的最终目的是为了增加城市雨水的利用,解决城市水资源短缺的问题.而雨水资源化的成本大小决定了雨水资源化措施能否顺利推行,本文在分析成本的影响因素的基础上,运用混沌神经网络、偏最小二乘回归神经网络建立相关影响因素的优化模型,并用实例说明模型的适用性.混沌现象的发现开创了对时间序列分析的一个新典型,从时间序列研究混沌,始于Packed等提出的重构相空间理论.随着混沌理论和应用技术研究的不断深入,混沌时间序列的建模和预测已成为混沌信息处理研究领域中的热点.在水文水资源领域中引入混沌理论,将相空间重构理论与神经网络相结合,提出了地表水资源量预测模型.通过相空间重构,把一维地表水序列拓展为多维序列,而多维序列包含着各态历经的信息,从而可挖掘更为丰富的信息,有利于神经网络的训练;利用神经网络建模可以较好地解决非线性问题,因而使预测更符合实际.本文将偏最小二乘回归与神经网络耦合,建立了城市生活用水预报模型.模型将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数,并能较好地解决非线性问题,提高了模型的学习能力和表达能力.