目前，用水量预测一般分为短期预测和中长期预测。短期预测主要指日用水量和时用水量预测，它多用于供水系统的优化调度；长期预测主要指年用水量预测，它多用于城市建设规划以及供水管网的优化改扩建；中期用水量预测主要指月用水量预测，它主要为水司制定月用水量生产计划提供依据。因此，城市用水量预测问题是城市供水工程设计和管理的核心。但是，由于用水量的影响因素较多，例如：气候条件、经济水平、民族文化、生活习惯的不同以及其它一些不可预见的因素都会产生一定的扰动量。这些可预先考虑到的因素以及许多未能考虑到的因素，都给建立实用预测模型带来相当大的难度。因此，用水量预测问题也有待进一步解决。 本文介绍了时间序列预测方法，系统地研究了灰色理论及人工神经网络理论，并在灰色理论基础上建立了预测月用水量的灰色模型；在人工神经网络理论基础上建立了预测月用水量的BP模型。通过工程实例验证、对比得知：在数据量较少的情况下，灰色模型具有较好的预测精度。 混沌是一种非线性现象，它广泛应用在化学、物理、力学、数学等自然科学以及金融系统中，并取得了许多重大成果。本文简单地介绍了混沌理论，分析了用水量时间序列的混沌特性。 在混沌系统中，其相空间吸引子的演变轨迹对于初始条件的依赖是十分敏感的，从而导致了系统的长期演变的不可预测性而最大Lyapunov指数刻画了系统在相空间中相体积收缩与膨胀过程的几何特征，它可以用来定性度量一个系统的混沌程度，定性表达系统的可预测程度。根据最大Lyapunov指数的物理意义，提出了基于最大Lyapunov指数的混沌时间序列预测法。本部分的研究内容拓展了混沌理论的实际应用范围。经过研究发现：在较多数据量条件下，若时间序列具有混沌特性，则混沌时间序列预测法能得到较好的预测结果。