城市供水调度系统对整个给水流程进行全方位的运行管理,使供水系统在经济合理的情况下安全运行,保证将符合国家水质要求的饮用水不间断地送往用户。在城市供水调度过程中用水量是一个十分重要的参考指标,但目前的水量预测算法的准确性较低。本文提出一种基于BP神经网络的水量预测算法,该算法继承了神经网络抗干扰、非线性和自学习的优点,相比回归分析法和时序分析法有着更高的准确度和适应性。从实例验证过程来看,采用BP神经网络的日水量预测误差很小仅为1.43%,在数据拟合度上也是十分贴近真实情况。供水调度方案是调度人员对管网运行状态调节手段,方案生成是供水调度系统必备的功能之一。在用的调度方案生成算法大多采用了穷举的方式,生成一次离线方案需要10多分钟,使调度系统的可用性和及时性大大降低了。本文提出了基于水泵特征曲线的方案生成算法并结合二级调度,将原来穷举的计算方式调整为简单的数值计算,这样的改进大大减少了方案生成时间,同时方案生成算法也保证了所生成方案的节能效果。在实例应用中,优化后的方案生成算法相比优化前减少了2分多钟的计算时间,同时方案有显著的节能效果,相比优化前每天可以降低水泵运行功率约15.7万千瓦,节省供水成本约4000余元。随着城市管网的完善和扩张,供水调度系统中的水力计算性能下降严重,这已经严重影响到供水调度系统正常使用。本文采用水力计算服务来应对这个难题,将原来在单台机器上串行运行的计算请求,并行的分配到多台计算服务器上,提高了服务器资源的利用率,减少了水力计算时间,增加了供水调度系统的稳定性和及时性。从现有供水调度系统运行情况来看,采用水力计算服务后整体计算时间较串行计算减少60%左右,可见提速效果十分明显。实际应用表明,经过上述优化后水量预测精度明显增加,同时水力计算上的性能也得到了显著的提升可用性和及时性得到了充分体现,同时也满足了系统的需求,可以看出本文中提出的优化方法是切实可行的并且是成功的。