山区流域水文气象和地形地貌条件复杂,每年都会发生不同程度的洪涝灾害。对国民经济和社会和谐稳定造成极大的影响,因此搞好山区流域的洪水预报对减轻洪涝灾害的损失和促进国民经济的发展具有重要意义。论文从流域防洪减灾的实际出发,将BP神经网络原理应用于闽北山区崇阳溪上游流域,建立BP神经网络模型进行降雨径流预报研究,主要内容如下:（1）利用流域DEM数据提取研究流域边界,采用泰森多边形法将流域划分为7个单元子流域。求解出武夷山、洋庄、吴边、大安、坑口、岭阳、岚谷7个雨量站控制的相应7个单元子流域面积权重分别为0.08、0.20、0.19、0.15、0.13、0.18。利用实测资料确定单元子流域的洪水传播时间,推求各频率洪水设计流量,并对流域的洪水特性进行分析。（2）选择崇阳溪上游流域14场洪水流量过程资料作为训练样本,以流域上游大安、洋庄、吴边、坑口、岭阳、岚谷六个雨量站时段雨量和武夷山水文站前1h的流量作为输入,武夷山水文站的流量作为输出,分别建立动量梯度法BP神经网络降雨径流预报模型和LMBP神经网络降雨径流预报模型（模型1与模型2）。采用崇阳溪上游流域7场洪水流量过程资料对降雨径流模型进行验证,通过分析两个模型平均确定性系数分别为0.983与0.975,综合合格率均达100%,精度符合规范要求。（3）采用上述14场洪水样本资料,以流域上游六个雨量站时段雨量和武夷山水文站前1h、2h的流量作为输入,武夷山水文站的流量作为输出。分别采用弹性梯度算法和Ploak-Ribiere共轭梯度算法,建立BP神经网络降雨径流预报模型（模型3、模型4）。同样采用7场洪水样本对模型进行验证,两模型平均确定性系数分别为0.985与0.989,综合合格率均达100%,精度符合规范要求。（4）将三水源新安江模型应用于崇阳溪上游流域,对上述7场洪水样本进行模拟。模拟效果劣于上述4种模型,平均确定性系数0.912,综合合格率为71.4%。（5）对上述五种模型进行对比分析,在洪峰流量相对误差绝对值的平均值、过程预报相对误差绝对值的平均值、径流深相对误差绝对值的平均值、峰现时间绝对误差绝对值的平均值、平均确定性系数五个方面对误差进行分析评定,确定模型3为崇阳溪上游流域最优预报模型可以为流域的防洪减灾工作提供依据。