本文在参考现有预测成果的基础上，探讨了遗传算法和神经网络的结合在汉口东区污水量预测的可行方法，分析了各种混合训练算法，建立了自适应遗传一人工神经网络预测模型，并进行模拟计算、校核，使该预测方法在各城市具有一定通用性、自适应性，并初步具备预测决策能力。 讨论了我国城市污水量变化及预测的特点，并深入地探讨了神经网络、遗传算法理论和建模特点等，并应用神经网络面对拓扑结构难优化的问题，考虑到寻找合适的网络结构的过程实际上是一个寻优过程，而进化计算非常适合于优化问题，因此将进化算法中的遗传算法应用于神经网络结构设计。 对于标准人工神经网络BP模型算法存在的收敛速度慢和局部最小点问题且受到参数选取人为因素过多的限制的问题，通过ANN与GA的结合，用GA初始优化网络权重，克服BP算法局部收敛问题，并引入非线性优化理论中的变尺度方法对前向网络权重进一步优化，以加快网络收敛速度。另外针对一般遗传算法易于过早收敛现象，采用了自适应交叉和变异率技术，并在选择算子中利用Hamming距离来确定两个体的相似程度来控制个体的距离。 基于这些理论和模型本研究建立了预测城市污水量的神经网络模型，并对武汉市汉口东区城市污水量进行了预测，通过与历年的实际统计数据对比发现，预测值能够较好地与统计值相符合。