从实用出发，以全新的角度进行了短期水量预测的研究，采用BP神经网络技术提出了考虑不确定因素影响的分解建模方法，从物理本质上说明了水量与其相关因素的关系，并以实例进行了预测模型和相应算法的描述，同时提出了解决提高预测精度及预测精度稳定性问题的新思路。随着影响因素数据提供得更详细和样本更丰富，整个预测可以更完美，预测的鲁棒性更强。应当说明在采用ANN建模时，存在收敛性、收敛速率及建模优化等问题，有待进一步研究。

参考文献：
［1］Zadeh L A.Fuzzy Sets［J］.Journal of Information and Control,1965，(8)：338-353.
［2］刘增良,刘增才.因素神经网络及实现策略研究［M］.北京：北京师范大学出版社,1992.
［3］邓聚龙.灰色预测与决策［M］.武汉：华中理工大学出版社，1986.
［4］Shafer G.A Mathematical Theory of Evidence［M］.Princeton University Press,1996.
［5］朱冰静.预测原理与方法［M］.上海：上海交通大学出版社，1991.