水资源的开发利用与管理是人类作用于自然水系统的理性活动,涉及的内容众多,包括水资源系统的优化、决策、评价以及预测等各个方面。人工神经网络是由大量简单的元件连接而成,用以模拟人脑行为的复杂网络系统,具有对信息进行并行处理、分布式存储以及自学习与推理的能力,表现出容错性、非线性、非局限性、非凸性等特点,适于对模糊信息或复杂的非线性关系进行识别与映射。研究表明该技术在很多领域都具有广阔的应用潜力,近年来,神经网络技术在水文水资源中的应用也越来越多,体现出重要的理论价值和广泛的应用前景。本文在综合分析国内外关于水资源系统分析、预报模型、应用现状以及人工神经网络的广泛应用等研究基础上,针对存在的问题,探讨了改进人工神经网络的水文要素评价与预报。在对人工神经网络的基本理论研究的基础上,结合水科学领域的专业知识,紧密联系工程实际,深入研究了改进的人工神经网络在地下水质量评价、径流预报和洪水预报方面的应用,进行了样本训练和预报方案验证,并且对验证结果进行了误差分析。针对区域地下水进行动态分析和随机性分析,建立地下水系统质量评价模型,用人工神经网络对地下水质量进行评价。经过验证得出改进的BP神经网络应用于地下水水质综合评价是可行的。评价网络模型一旦训练好,就可以推广应用于环境问题的评价。针对径流预报的重要性和复杂性,采用模糊模式识别神经网络的最速下降—共轭梯度学习方法,经过学习识别流域产流条件和径流的相关机制,探讨了基于人工神经网络降雨径流预报的建模原理及方法,进行了样本训练和预报方案验证,并且对验证结果进行了误差分析。结果表明,模糊模式识别神经网络径流预报模型是可行的。根据天然河道的河系关系的复杂程度,将河道洪水预报分为单一河道的洪水预报和河系洪水预报,构建了洪水神经网络预报模型,并且采用洪水预报峰值识别理论的改进BP算法建立了河道洪水预报方案。通过分析,可以总结出基于人工神经网络技术的洪水神经网络预报具有以下几个突出特点：对洪水演进机制的仿真精度相对较高；实施容易；模型运行速度快；操作简单,运行灵活。