冰塞水位及冰塞厚度的预测分析不但对冰塞发展机理研究有着重要的意义，同时也可以为堤防、水工构筑物的建设以及防凌减灾工作提供参考。基于支持向量机、传统BP人工神经网络、遗传算法优化神经网络以及多元回归分析四种方法，对黄河河曲段的实测数据进行了本断面和上下断面间的冰塞水位和厚度预测；也对实验室180°道冰塞试验13个断面所测得的数据资料以及实验室壅水试验中7个观测断面测得的数据资料进行了分析，采用以上四种方法建立了实验室冰塞水位和厚度预测模型。将所得预测值与实测值进行了资料范围内的对比，同时也对四种方法的预测效果进行了分析对比。由对比结果可以看出，无论是在天然河道中还是实验室条件下，和多元回归分析方法相比，支持向量机、BP人工神经网络、遗传算法优化神经网络等人工智能方法在预测精度和对复杂环境适应性方面都存在优势，其中遗传算法优化神经网络模型优势更为明显，本文的研究可为冰冻区河流建立冰情预报模型提供有益的参考。