水电机组朝大型化的方向发展,伴随而来的运行稳定性问题也越来越突出。当机组在偏离最优工况或者低负荷运行时,转轮出口处会产生较大的出口环量,使尾水管内部出现低压区进而产生涡带,诱发压力脉动。偏心涡带撞击尾水管壁面诱发机组振动,严重时会影响机组的稳定运行,甚至危害到机组的寿命。因此,研究混流式水轮机尾水管压力脉动的预测问题,在设计阶段就能对压力脉动的产生采取相关措施,改善不同工况下尾水管的内部流动情况,具有十分重要的工程意义。本文提出了基于BP神经网络的混流式水轮机尾水管压力脉动的预测方法,并且运用数值模拟的方法讨论与分析了在不同流量下尾水管内部流体的流动特性。主要的研究内容及结果可分为两部分:（1）分别阐述了单一BP（Back Propagation,BP）神经网络、遗传算法（Genetic Algorithms,GA）优化的BP神经网络和思维进化算法（Mind Evolutionary Algorithm,MEA）优化的BP神经网络三种模型的构建原理,详细介绍建模的过程。首先建立基于BP神经网络的混流式水轮机尾水管压力脉动的预测模型,以流量和水头为输入变量,以压力脉动为输出变量进行压力脉动的预测研究;然后分别采用遗传算法和思维进化算法两种优化算法对BP神经网络进行优化;最后使用三种方法对试验数据进行仿真计算,将三者的预测精度进行了比较。结果表明,在使用BP神经网络对压力脉动进行预测时,采用思维进化算法对BP神经网络进行优化所得到的预测精度更高,预测值也更接近于试验值。（2）以水机电耦合实验室试验机组为研究对象,选取A、B、C三个不同流量工况点进行研究,采用Fluent软件对三个工况下尾水管内部流动进行非定常数值模拟分析,对模拟结果进行数据处理,分别就三个工况的压力云图进行了分析,将数值模拟的结果与神经网络预测的结果进行了对比得到二者结果一致的结论,再次证明了基于神经网络的压力脉动预测方法的可行性。