对汛期降水进行预测是预防洪涝灾害的重要举措之一。由于受季风气候的影响,我国气候年内、年季变化大。因此,气象灾害频繁发生,特别是旱涝灾害已经对我国经济建设和社会发展造成十分严重的影响,对人民的生命财产和国民经济的发展带来重大损失。因而对汛期降水进行预测更是刻不容缓。降水一方面是中小尺度系统与大尺度环流之间相互作用的产物,另一方面也与当地地貌、地形有着十分密切的联系。降水预测存在着各种非线性的复杂物理过程,对其准确预测难度较大,发展也较为缓慢。降水的复杂性和非线性决定了选择汛期降水预测方法的重要性。针对降水预测方法的选择问题,本文在众多的动力学方法和统计学方法中选择了神经网络预测模型和门限自回归预测模型,两种方法都具有强大的处理信息能力和数据解算能力。神经网络预测模型擅长处理知识背景不清楚的随机的大量信息,且其非线性神经元构成的网络属于非线性动力系统,具有很强的自学习能力。门限自回归模型在进行预测时,会兼顾水文过程自身演变规律及主要前期影响因子的作用,并通过逐段线性化手段来解决水文系统的非线性问题。因此,神经网络预测模型和门限自回归模型是描述复杂水文过程较为有效的模型。本文以义乌市汛期降水为研究对象,尝试用神经网络预测方法和门限自回归模型分别对义乌市汛期降水展开研究。选用与义乌市汛期降水具有良好响应的厄尔尼诺事件和副高脊线位置作为前期影响因子,选取义乌市1959-2007年49a的汛期降水量作为训练样本,2008-2011年4a的汛期降水量作为测试样本,最终得出的预测结果在历史样本拟合精度上、独立样本预测结果上和实际预测能力三个方面对两种模型进行对比分析。从而验证运用神经网络模型和门限自回归模型对义乌市汛期降水预测的可行性,以及为后续年份的义乌市汛期降水预测的模型选择提供理论与实践依据。本文的主要研究结果概括如下：(1)本文研究了义乌市的汛期降水特征及其主要降水影响因素,证实了义乌市汛期降水与太阳活动、厄尔尼诺事件以及副高脊线位置存在良好的响应。并在众多研究者研究结论的基础上,选择了与对义乌市汛期降水具有较高响应的厄尔尼诺事件和副高脊线位置作为影响因子建立预测模型,且在最终的数据结果中证实选用厄尔尼诺事件和副高脊线位置作为前期影响因子,可以明显地减小义乌市降水量的预测误差。(2)神经网络预测模型和门限自回归模型都是很好的处理非线性水文系统的两种有效模型,在对义乌市汛期降水预测过程中,两种方法都是有效可行的。但在历史样本拟合精度上、独立样本预测结果上和实际预测能力方面BP神经网络预测模型更优。在最终数据的对比过程中,神经网络预测模型和混合门限预测模型都存在不足,预算结果的精度值都还有待提高。