地下水系统的参数识别问题是水资源管理领域的一个难点，由于地下水系统参数取值的不合理，直接影响了水资源管理计算结果的可靠性，参数识别的研究在很长一段时期进展不大。本文利用神经网络、退火遗传算法等智能算法，通过算例以及实例，对这一问题进行了较为深入、系统的研究。首先在总结国内外学者关于“地下水系统”定义的基础上，分析了各种定义存在的缺陷和不足，从系统的角度出发，提出了地下水系统的概念，并对地下水系统的组成和特性进行了较为系统的分析；在此基础上，对地下水系统的数学模型及其求解方法进行了较为系统的论述。综述了近年来快速发展的智能方法及算法，如神经网络方法、遗传算法、模拟退火、禁忌搜索、混沌搜索、蚂蚁算法等，并对这些算法的混合算法进行了初步探讨。设计开发了多种地下水系统参数识别的智能方法。对基于BP神经网络的地下水系统参数识别进行了研究，并且提出了地下水系统参数识别的RBF神经网络方法，设计了算法步骤。算例研究表明，不仅算法可行，而且由于RBF神经网络的局部逼近能力，使得RBF神经网络对于地下水系统参数识别具有更好的效果。建立了地下水系统参数识别的非线性优化模型，研究了遗传算法、模拟退火算法以及退火遗传算法在地下水系统参数识别中的应用，设计了算法应用步骤。通过算例研究，表明上述算法可行，且RBF神经网络方法和退火遗传算法对地下水系统参数的识别效果都较好，而退火遗传算法较之标准的遗传算法具有更好的收敛性将算法应用到北京市密怀顺地区，在收集、分析研究区资料基础上，建立了北京市密怀顺平原区地下水模拟模型，并用遗传算法进行了地下水系统参数识别，在十四个分区情况下，计算水位与实际水位拟合的较好，各应力期末的计算与实测等水位线基本一致，表明该识别值较为合理。为密怀顺平原区水资源管理提供了科学依据。