随着城市化进程的加快，城市管网的规模和范围越来越大，管线也越来越复杂。传统的经验调度方式面临前所未有的挑战，对城市供水系统进行优化调度势在必行。城市日用水量预测是供水系统优化调度的关键，其预测精度直接决定了调度决策方案是否可行。本文在系统地总结了国内外城市日用水量预测研究进展的基础上，主要完成了下列工作：(1)采用互信息法分析日用水量序列的相关性，并利用基于权值累计评价的可变精度粗糙集算法分析城市日用水量的主要影响因素，建立基于支持向量机(SVM)的等维新息日用水量预测模型；(2)引入贝叶斯理论，利用支持向量机建立先验密度和似然函数，建立日用水量贝叶斯概率预测模型，并引入自适应马尔科夫链蒙特卡罗算法来求解概率预测模型，计算日用水量预测值及其置信概率。实例表明，本文提出的预测方法不仅显著地提高了日用水量的预测精度，而且通过定量给出预测值的置信区间，为城市供水系统的调度提供了更科学、可靠的决策依据。