石羊河流域地处我国西北干旱区，受全球气候变暖影响较大，全年降雨稀少，蒸发量大。河流补给以大气中的降雨为主，水资源较匮乏，极易发生旱灾。历史上也遭遇过几次洪涝灾害。该地区人口集中在绿洲盆地，水资源需求极大，水环境污染、水资源分配不均等问题尤为严重。而流域全年降雨较为丰富的月份是6-9月(雨季)四个月，分析雨季降雨特征及预测降雨量对该地区水资源的合理开发利用和配置有着举足轻重的意义。
　　国内外很多学者针对降雨特征变化和降雨量的预测作了很多研究。但国内对石羊河流域降雨特征的研究主要集中在降雨趋势分析方面，且缺少精准预测降雨量的模型和方法。所以为了获得石羊河流域较为全面的降雨特征情况，准确预测降雨量。本文做了以下工作：
　　(1)采用线性回归、R/S分析、小波分析、MK突变、滑动t检验等方法，分别对研究的10个气象站点50年的雨季不同等级降雨及月际、年际降雨量进行趋势、突变、周期情况的分析。在选取的5种气象因子(平均相对湿度、蒸发量、平均日照时长、平均气压、平均气温)中，与降雨量相关性最强的是平均相对湿度，其余4个气象因子属于中等或弱相关。
　　(2)以气象因子作为预测因子建立BP神经网络模型预测雨季总降雨量，验证了该模型预测降雨量的可行性，预测值与真实值之间的平均相对误差范围在8%-19%之间，还有较大的优化空间。本文利用遗传算法优化BP神经网络，找到最优的初始连接权值和阈值，GA-BP模型得到的预测值与真实值之间的平均相对误差范围减小到6%-15%，各站点预测值的变化趋势基本与真实降雨量一致，比原模型得到的变化趋势更加吻合，所以GA-BP模型预测的精度更高，能更好地描述原降雨数据的变化趋势。后续可以考虑使用其他算法继续优化。