灌区量水是农业灌溉中一项基础性、必不可少的工作。通过水位流量关系率定工作，既可了解渠道输送水量与供水能力，又可为灌区信息化管理和科学研究提供数据和积累资料，因此灌区量水技术正日益受到重视。本文首先阐述了灌区常用的量水方法及神经网络在量水技术中的应用现状，概述了赣抚平原主要干渠的基本情况及传统的流量计算方法。详细介绍了三种典型的人工神经网络：BP神经网络，RBF神经网络和灰色神经网络，具体包括基本原理，网络结构和网络训练过程。详细介绍了粒子群算法和遗传算法，并在基本粒子群算法中引入非线性惯性权重，使惯性权重随迭代次数、个体极值及群体极值改变，得到了一种基于非线性动态变化惯性权重的改进粒子群算法(IIWPSO)。针对灌区量水技术中传统曲线拟合方法精度较低、流态难以确定的问题，以赣抚平原四干渠和六干渠为例，构建了传统最小二乘法曲线拟合方法，常规BP神经网络模型、RBF神经网络模型和灰色神经网络模型进行流量预测，并从MSE，MAPE以及网络最大相对误差等方面分析各个模型性能。仿真结果表明BP神经网络流量预测模型在几种方法中精度最高。基于BP神经网络流量预测模型，分别用遗传算法和改进的粒子群算法进行优化，建立了GA-BP和IIWPSO-BP流量预测模型。通过Matlab仿真证明，IIWPSO-BP流量预测模型精度要高于GA-BP流量预测模型和常规BP神经网络流量预测模型，且IIWPSO-BP流量预测模型稳定性更好，精度更高，是一种行之有效的渠系流量计算方法，已经成功地应用在赣抚平原主要干渠的流量计算中。