本文利用1961～2000年福建省25个气象站逐月降水量资料、500ha高度场资料、太平洋海表温度资料、74项环流特征量资料和统计分析、人工神经网络等方法研究了福建省汛期降水时空变化特征，建立了前后汛期旱涝预测模型。结果表明： (1) 福建省前汛期降水量较大，其长期变化趋势是减少的；后汛期降水量较少，其长期变化趋势是逐渐增加的。除后汛期因受地形的影响，降水量由南靖-永春-福鼎一线向西北和东南两边减少外，其它三个雨季和年总降水量空间分布大体上是从西北向东南逐渐递减。 (2) 影响福建省前汛期的主要因子有：前期6月太平洋海温场、前期5月西太平洋副高面积指数、前期9月亚洲区极涡面积指数、前期4-6月欧亚径向环流指数和前期春季亚洲西北部500hpa高度场；影响后汛期的主要因子有：前期7月太平洋海温场、前期8月太平洋海温场、同期1月北半球极涡面积指数、前期9月太平洋区极涡强度指数和前期夏季欧洲南部500hpa高度场。 (3) 运用线性回归预报方程和三种人工神经网络模型对福建汛期旱涝进行预测的实验表明：BP、径向基(RBF)和Elman这三种人工神经网络模型在历史样本拟合精度上、独立样本检验结果和网络模型的实际预测能力上都明显优于传统的线性回归方法。BP网络模型在加入动量项和引入权值控制算法进行改进后，不但预测能力有所改善，网络的训练速度也有了很大的提高。由于RBF网络具备局部逼近网络学习收敛快的优点，因而在三种网络模型中收敛速度最快，其预测能力也较好。Elman网络模型是一种动态神经元网络，具有局部反馈特性，因而网络模型不仅拟合精度较高，其预测能力也比前馈型神经网络模型和传统的统计方法好。