洪水预报是水文科学领域研究的一个重要分支，是根据洪水形成及其运动规律，利用前期和现时水文、气象等信息，对未来的洪水情况做出预报。预报的准确性和实时性对于人类抵御和预防自然灾害、发展国民经济具有重要的意义。 论文对国内外水文预报的研究现状进行了综述，对常用的水文预报方法和技术进行了分析比较。在此基础上，对提高洪水预报精度的实时校正技术进行了研究，并以清江恩施段的洪水预报为研究背景，在恩施水文局现行洪水预报方案的基础上，引入BP网络模型进行洪水预报，并在此基础上用BP网络进行实时校正，提出了预报校正方案和神经网络的结构，分析了实时校正的原理，确定了网络学习训练的样本和算法，并根据提出的方法进行了洪水预报和实时校正的仿真。 论文详细介绍了BP神经网络建模、训练、测试的原理与过程，并阐述了训I练网络模型时选用训练样本的原则。通过多次实验比较发现，在预报中引入校正技术是提高预报精度的有效办法，因此，最终确定了在预报中采用对比校正和趋势校正的预报方案并确定了对比校正和趋势校正的两种BP神经网络模型。 论文选用四年(2000—2003年)共23场洪水的相关数据对提出的方案进行了研究，并利用2006年5月14日的一场洪水进行对比检验，结果证明采用BP神经网络进行洪水预报实时校正能有效地提高预报的精度和预见期。