我国是一个水资源相对贫乏的国家，按2004年人口计算，人均水资源占有量为2185m<3>，仅占世界人均占有量的1/4，预计到2030年，我国人口将增至16亿，人均占有量将不足1760m<3>。水资源短缺是我国必将面对的严峻考验，因此怎样合理配置、调度有限的水资源，使水资源在经济发展中充分发挥其应有的作用是十分必要的。准确的水资源评价是有效利用水资源，保证水资源可持续发展的前提之一，而水资源评价的重要内容之一就是对水资源量的计算。随着国民经济的快速发展，大量水利工程的修建，改变了河川径流的天然状况，使得断面实测径流不能真实反映天然径流状况，因此要想得到正确的水资源量就必须对河川径流进行还原计算，其准确性将直接影响到水资源工程的合理规划和水资源的合理利用。 目前在国内的水资源评价过程中，对河川径流进行还原计算时，所采用的大多都是传统的计算方法，这些传统的方法在理论上简单易懂，为众多专家学者所亲睐，但是随着国民经济的快速发展、城镇化的加快以及人类活动影响因素的增加，对水资源而言，流域的条件变得日益复杂，上述传统的水量还原计算方法难以适应快速发展的国民经济对水资源还原计算技术的要求。为此，探索新形势、新情况下的河川径流还原计算的新技术和新方法，是当前水资源评价中的一项需要迫切解决的新课题。 本文以山西省坪上水库流域河川径流的还原计算为研究对象，利用水量平衡法和降雨径流模型进行了河川径流的还原计算，针对降雨径流模型不能有效模拟径流与各影响因子间非线性关系的特点，建立了基于GA(Genetic Algotithms)优化的BP(Back Propagation)神经网络模型--遗传BP神经网络，此外，本文引入了基于小波分解的分项预测模型，在现有资料的基础上获得了更为准确的河川径流还原计算结果。研究结果表明，遗传BP神经网络模型与降雨径流模型相比，具有非线性特性，这与水文系统的本质规律一致，具有较强的适用性，计算精度有所提高；针对流域的特点而建立的基于小波分解的分项预测模型，能够分尺度、深层次的把握现象的本质规律，计算精度较上述模型高。 在各种研究方法的基础上，开发了河川径流还原计算的计算机软件，能够提高水文工作者的工作效率，降低劳动强度，缩短水资源评价的时间，具有很强的实用价值和现实意义。 本课题的研究丰富了河川径流还原计算的技术方法，对实际应用具有重要的参考价值。