我国洪涝灾害频繁发生，每年防汛任务十分艰巨，但同时又面临着日趋严重的水资源短缺问题。如何在保证防洪安全的前提下，合理开发利用洪水资源，实现防洪与兴利并举，一直是水文学科重点研究的问题之一。这也就对洪水预报和洪水调度提出了更高的要求。　　 本文对洪水预报和调洪调度的理论和现有方法等一系列问题进行了比较系统、深入的研究学习，重点讨论和分析总结了现有算法模型的优缺点、可行性和局限性，并结合水文预报和实际工程的特点，提出了基于改进BP网络(Error Back-Propagation)的L-M(Levenberg-Marquardt)算法的降雨径流预报模型。在预报的基础上，进行了实时调洪调度。　　 对BP神经网络进行了比较深入的研究学习，针对传统神经网络模型训练速度慢的特点，对传统神经网络进行了改进。在训练方式上采用了批处理的方法，训练方法上采用了L-M算法，改进的BP神经网络不仅具有较快的收敛速度，还具有较高的拟合精度，为利用改进BP神经网络进行径流预报提供了理论基础。将改进的BP神经网络应用于锦江水库入库洪水的预报中，由预报结果可看出BP网络在水文预报中的有效性。最后，指出了用BP网络进行径流预报的缺点及水文预报方法的发展方向。　　 分析了按设计调度规则进行调度和优化调度的优缺点，针对按设计调度规则进行调度和优化调度的不足，提出了基于预报的实时调洪调度，并将该调度方法应用与锦江水库的调洪调度中，运行结果显示实时调洪调度结果明显优于常规调度。并指出了实时调洪调度的不足和需要改进的地方。