随着城市供水系统的范围和规模的快速扩大，供水系统日趋复杂，传统的经验调度方式面临挑战，对供水系统实行优化调度势在必行。城市日用水量预测是供水系统优化调度的重要前提和关键，其预测精度直接决定了调度方案是否可行。　　 本文在系统地总结了国内外城市日用水量预测的研究进展的基础上，主要完成了以下工作：　　 (1)根据日用水量序列具有较强相关性的特点，引入信息论中可描述线性和非线性相关的平均互信息法来确定日用水量序列的相关性。　　 (2)为解决传统日用水量预测模型一般采用主观判断来确定影响因素的问题，利用改进粗糙集算法对城市日用水量的影响因素进行属性约简，确定日用水量的主要影响因素。　　 (3)以日用水量的主要影响因素和相关日用水量为神经网络的输入，利用遗传算法优化BP网络的权阈值，建立基于粗糙集算法和遗传BP神经网络的城市日用水量预测模型。实例分析结果表明，本文提出的模型具有比基于BP网络模型和基于GA－BP网络模型更强的预测能力。