森林可燃物的含水率是森林火险天气预报的重要内容,可燃物含水率直接影响着火的难易程度,间接影响林火强度及林火蔓延速度,准确预测可燃物含水率是做好森林火险天气预报和火行为预报的关键。目前预测可燃物含水率主要有平衡含水率法,气象要素回归法,遥感估测法,过程模型法4种方法,而数学模型是这些方法的重要组成部分。所以建立数学模型是研究森林可燃物含水率变化规律的核心问题,也是最常用的方法。本文通过对2009年3月20号至2009年5月30号黑龙江省海林石河子林场及大海林兴农林场试验地观测数据的分析,分别建立了基于微分方程的可燃物含水率实时变化预测模型,和基于平衡含水率法预测可燃物含水率的模型以及基于BP神经网络预测可燃物含水率的模型,所得结论如下：首先,用微分方程原理建立的可燃物含水率实时变化预测模型能根据某时的相对湿度、气温、风速以及可燃物含水率值能预测一个小时后可燃物的含水率,经检验模型精度达98%,基本上反映出相对湿度、气温、风速与可燃物含水率变化率的关系。其次,在平衡含水率法预测可燃物含水率的初步分析中,根据对试验地观测数据的分析,选取可燃物时滞为一小时,确定可燃物平衡含水率模型,进而预测可燃物含水率,所得的可燃物含水率基本符合真实情况,虽然相关系数不如可燃物实时变化模型的相关系数高,但是也基本反映了含水率变化的情况。最后给出了基于BP神经网络预测可燃物含水率的方法,选择空气温度、相对湿度以及风速这3个因素为BP神经网络的输入量,以可燃物含水率作为输出量,建立BP神经网络预测可燃物含水率的模型,经过对模型的仿真,相对误差不超过6%,说明利用BP神经网络对可燃物含水率进行预测可以作为预测可燃物含水率的方法,并在以后的研究中得到推广。