冰凌是冬季寒冷地区河流上普遍存在的一种水文现象。这些地区河流冬季常形成冰盖、冰塞和冰坝,它们会带来各种冰凌灾害,期间冰塞水位和厚度的变化是冰塞河段最主要的现象之一。基于传统BP神经网络、粒子群算法优化神经网络、蚁群算法优化神经网络以及多元回归分析四种方法,对黄河河曲段的实测数据进行了本断面的冰塞水位及厚度预测分析;也对实验室180o弯道冰塞试验和壅水试验所测得的数据资料进行了分析,利用以上四种方法建立冰塞水位及厚度预测模型,并将所得的预测值与实测值进行了资料范围内的对比。由对比结果可以看出,无论是在天然河道还是实验室条件下,和多元回归分析方法相比,传统BP人工神经网络的预测精度有了较大的提高,而在此基础上,基于粒子群和蚁群算法等群智能算法优化BP神经网络在预测精度和对复杂环境适应性方面都存在较大的优势,可以较为准确的预测冰塞水位及厚度。本文的研究可为冰冻地区河流建立冰情预报模型提供有益的参考。