水资源系统受气候、流域自然地理、社会发展以及人类生存需要等因素的综合影响,具有多时间尺度、随机性、突变性、非线性等复杂特征。同时,水资源又是支撑人类生命和经济增长与可持续发展的最基本要素之一,而径流要素的变化主导了整个水资源系统的变化。因此,建立准确的径流预测模型,可以最大限度的协调水资源综合利用中出现的各种用水矛盾,保障流域经济、社会、生态与环境可持续发展。本论文以金沟河流域中游的八家户水文站所监测的1957～2003年共47年月径流资料为研究对象,以1957-1995年共39年的月径流资料为训练样本,以1996～2003年共8年的月径流资料为检验样本,建立神经网络预测模型。先用常规统计学方法对金沟河流域月径流时间序列进行分析,初步了解其变化趋势及周期；然后利用小波分析在时间、尺度(频率)两域都具有表征信号局部特征的能力,对原始时间序列进行小波变换,对其分解的低频、高频信号进行分析,进一步了解变化规律;在此规律的基础上,对径流时间序列进行预测。对径流时间序列的预测采用人工神经网络的方法,在MATLAB环境下进行编程。首先利用最速梯度下降算法的BP神经网络对经小波变换后的各细节信号进行预测,将预测结果进行重构后得到最终预测结果,并对不同月份的预测值分别进行误差分析。结果表明：该神经网络预测模型对6-10月份预测效果较好,误差均在4%以下,可以起到指导实践的作用；而另外几个月份预测效果不尽理想,最大误差高达53.1%。针对个别月份预测值误差过大的情况,建立LM-BP和RBF神经网络预测模型,对金沟河流域年径流时间序列进行预测,将预测结果按照各月径流占年径流的比例分配到各月,得到各月月径流预测值。结果表明：对于11月至来年5月的预测值,LM-BP网络模型略好于RBF网络模型,平均误差分别为19.4%和22.9%,均比BP网络模型结果要好。通过对这种预测模型进行误差分析,发现对不同月份建立不同的神经网络预测模型,在金沟河流域月径流预测实际应用当中,具有较好的理论和实践参考作用。