在给水系统中,城市用水水源以及水厂产水规模对水质、水量和水压有着非常直接的影响。如何实现经济效益、社会效益和环境效益,是供水系统优化调度应该关注的问题。城市需水量的预测作为对城市给水系统进行规划的基础工作,有着十分重要的地位,需水量预测的准确性将决定后期对给排水系统规划是否满足城市发展的需要。文章阐述了城市需水量预测的研究现状以及理论方法,并运用PSO-GM(1,1,λ,ρ)模型与PSO-DV-BP神经网络模型的组合预测建立城市需水量的预测模型。在借鉴国内外研究人员研究成果的基础上,运用系统工程、数学优化理论的方法,对城市多水源供水系统的水源与水厂规模进行优化。在确定了水厂位置以及水源后,通过建造优化模型,分析研究每个水厂的设计规模以及每个水厂所采用的水源以及取水量,以期通过优化使取水费用以及水处理费用能到达到在约束下的最优。在优化模型中,考虑以下几个部分对费用的影响:水资源费用、泵站、输水管道、水厂。每个部分仅考虑对整个系统费用起到变化影响的部分,忽略不变量的影响,以方便模型的建造和求解。模型属于非线性目标函数和约束条件下求解的规划问题,通过分析各算法的特点及适用条件,选择改进的遗传退火算法对本模型进行求解。该算法属于混合智能优化算法,具有有效地发挥扬长避短的特点,大大提高算法的全局和局部收敛能力。结合四川省某市多水源供水案例,通过优化后费用模型达到最小值,并将研究成果运用到该市给水系统的规划优化中,结合该市实际情况如水源情况、水厂布局以及城市发展所需水量等,进行优化研究。