赤潮是指海水中某些浮游植物、原生动物或细菌在一定环境条件下爆发性增殖或聚集在一起而引起的水体变色的一种生态异常现象。目前，赤潮是世界沿海国家面临的十分紧迫的海洋环境问题之一，也是一种全球性的海洋灾害。因此，研究赤潮的发生机制，准确地预报赤潮的发生，对防止赤潮灾害具有重要的意义。 本文以实现赤潮预报为目的，分析了赤潮的发生特点和产生机理，并且总结了赤潮发生的判断依据以及常用的赤潮预报方法。在此基础上，论述人工神经网络的基本原理和特点，对应用人工神经网络建立夜光藻赤潮预报模型和算法进行研究。 本文在对反向传播神经网络(Back-propagation Neural Network，简称 BP神经网络)应用于赤潮预报进行可行性分析之后，给出了基于 BP神经网络的赤潮预报模型的具体算法和实现过程。由于 BP神经网络的全局误差函数构成的权值空间是包含多个极值点的超曲面，加之 BP神经网络训练开始网络结构参数是随机给定的，因而 BP 神经网络在学习训练中容易陷入局部极小。针对 BP神经网络的这一不足，本文应用遗传算法对 BP 神经网络进行改进，对 BP 网络权值进行全局搜索，克服 BP神经网络存在的缺陷，提高赤潮预报的稳定性和准确度。 本文采用 MATLAB语言的仿真软件实现了基于人工神经网络的赤潮预报模型的仿真研究，验证了人工神经网络应用于赤潮预报的可行性。实验研究表明，应用人工神经网络进行赤潮预报可以提高预报的准确性且性能稳定。