近些年,我国综合实力排名稳站前列,国家建设旅程大步迈进,然而蓬勃的发展也带来了各类资源的短缺问题,例如万物的生命之源——水。目前我国水资源供需关系紧张,各地所依赖的供水源主要有两种。其中一种是地表水,由于易受外界条件污染其使用率受到局限;另一种是地下水,由于具备水质好、开采便捷、成本低等优点,导致它近几年的开采量不断呈上升趋势。但是它的过量开采给城市带来了诸多如地面沉降,下降漏斗等隐患。因为地下水位可作为估量地下水资源总量的重要因素,于是构建一个适宜的神经网络模型来对地下水位进行预测,进而预估地下水总量,以便能够更加合理化、科学化地监管、开发和利用地下水资源对于城市的可持续发展显得尤为重要。本文以扬州市2017年1月至11月浅水井的每日地下水位值以及温度、降雨量、湿度这三个影响因素作为实验参数,并将其进行归一化,而后分别选择BP神经网络模型、小波神经网络模型和NARX神经网络模型用MATLAB R2012a软件进行训练、验证和测试。先是建立了一个三层的BP神经网络模型,根据相关公式确定隐含层神经元的个数区间,逐一进行计算并比较误差,最终确定其网络结构,再用训练好的模型来对地下水位进行预测;随后又建立了一个采用Morlet母小波基函数作为隐含层激活函数的三层小波神经网络模型,再根据误差来调整各相关因子和权值,确定最佳模型后输入测试数据进行预测;最后建立一个NARX神经网络模型,经过多次试验比较结果,选择最优参数后进行预测。将实验所得的预测值与实际值进行对比分析,发现使用NARX神经网络模型得出的实验结果明显优于其他两种模型的结果,这为往后相关水利部门科学管理和控制地下水资源提供了一种决策依据。