水资源是保障区域发展和人民生活基础的自然资源与战略性的经济资源，然而我国水资源相对贫乏，日益突出的水资源供需矛盾给区域经济发展与人民生活带来了空前的挑战，传统的粗放式用水规划难以满足复杂的用水需求。在2011年国家开始实施最严格水资源管理制度的背景下，水资源的高效利用与合理控制已成为水行政主管部门与供水部门最关注也是最棘手的问题之一。　　预测是水资源宏观规划与决策科学合理进行的基础和前提。区域年度用水总量进行预测可为其用水计划的制定提供准确的数据支撑，促进水资源在区域经济与社会稳定发展的基础上得到高效利用，支撑最严格的用水总量管理。日用水量预测是区域城镇供水系统优化调度的基础，为供水系统工况模拟及调度决策及其规划建设提供支撑，不仅可以最大限度地对水资源进行节约与控制，还可根据水量需求实时调节水压，减少能耗用水等，实现区域水资源宏观决策与微观控制。　　本文在调查和研究了大量相关文献资料的基础上，进行了以下几点的研究:①总结了常用的用水量预测方法的特点及适用范围，选取了BP斯神经网络为本文预测方法，构建了区域年用水量及其城镇日用水量的时间序列预测及解释性预测模型，并利用贝叶斯正则化优化网络的过拟合问题;②在年用水总量时序预测时，采用对各分类用水先进行时序预测再加和的方式进行，这能保证用水总量预测误差不大于各分类用水预测的最大误差，减少网络预测误差的波动性，提高模型的预测精度。③在年度用水总量的解释性预测时，分析了各类用水的影响因素，然后综合各类用水的影响因素，删除其中冗余的因素，以确定较为科学的年用水量预测指标体系，可进行区域长期用水预测。④在对区域城镇日用水量解释性预测模型的构建时，分析了日用水量的影响因素，考虑了月用水量不同的影响，构建了日用水量预测指标体系，可进行短期日用水量预测。　　本文在调查和研究了大量相关文献资料的基础上，对广东省社会经济及水资源现状进行了研究，对水量预测方法进行了分析，分析对比了BP神经网络与贝叶斯神经网络的精度及用水量时间序列预测与解释性预测的精度。结果证实了上述论点:用水总量分类预测具有更高的稳定性，贝叶斯神经网络预测模型具有更精确度较高的水量预测模型预测了2020年广东省的用水总量，同时对该结果的产生进行了分析，最后给出了广东省在现有用水总量指标下维持经济社会发展与稳定的相关建议。