城市用水量预测可分为中长期的年用水量预测以及短期的时用水量预测、日用水量预测和月用水量预测。它们是城市进行水资源规划和管理的有效手段,也是城市供水系统优化调度管理的重要前提。目前国内外大多数供水系统采用单一的用水量预测模型,但现实中,影响用水量的变化因素较为复杂,采用单一的预测方法有时往往不能得到令人满意的精度和稳定性,而组合预测模型通常能解决这类问题。本文系统地总结了城市用水量预测的各种基本理论,并在此基础上,根据不同用水类型的特点和性质,结合工程实例,分别提出了相应的用水量组合预测模型。在进行月用水量预测时,根据城市用水量的变化特点,选取能充分体现用水量变化规律的等维新息数据文件,并合理选取期望输出,建立了城市用水量预测的等维新息神经网络模型。经实例验证,并与其他预测方法比较,该模型预测误差小,可满足用水资源规划等工作需要。以佳木斯市日用水量变化情况为例,结合遗传算法(GA)和多层前馈BP神经网络的特点和优势。建立了基于GA-BP混合算法的日用水量预测模型。以多组数据进行测试,并与纯BP算法进行分析比较,结果表明该方法可以有效、准确地应用于城市日用水量预测。研究城市用水户的用水量及用水量变化规律,对掌握城市给水管网系统运行变化的规律具有非常重要的意义。本文以“哈尔滨市给水管网数字化管理与优化分析系统”项目为依托,选择哈尔滨市具有典型用水量变化规律的城市用水大户,分析其用水量动态(以10min时间为间隔)变化规律,尝试着建立对精度和稳定性要求都较高的城市用水大户用水量动态预测模型,并分别以自适应指数平滑法和SE-GM法(季节指数法与灰色系统GM(1,1)的联合方法)进行了对比分析,通过预测残差和自相关分析,发现季节指数法与灰色系统GM(1,1)的联合方法建立的用水量动态预测模型精度较高。