本文以南宁市1961～2015年近55年来的降水量数据为研究对象,对降水时间序列分别进行特性分析(年际、年内)及预测研究。年际变化特性分析主要从时间序列的趋势性、突变性、周期性三方面进行研究。趋势分析方面,分别采用了线性趋势、距平分析、滑动平均、累积滤波器、重标极差、线性趋势回归检验、Kendall及Spearman秩次相关检验等方法,结果表明,南宁市近55年来的降水序列呈现出小幅上升趋势,但不显著;突变分析方面,综合采用了有序聚类分析、滑动T检验、Lee-Heghinian检验、Pettitt检验、Mann-Kendall非参数统计检验等方法,最终确定了 2008年份为降水时间序列的最大可能变异点;周期分析方面,分别采用了最大熵谱分析、Morlet小波分析及结合经验模态分解的希尔伯特-黄变换等方法,最终得出降水序列大致具有三个不同时间尺度的明显周期,分别为3～6a、12～14a、27～29a。年内变化特性分析主要采用了降水年内分配比例、降水年内变化幅度、不均匀系数、集中度和集中期、基尼系数及洛伦兹不对称系数等多种定量分析方法。结果表明,南宁市历年降水主要集中在5～9月份,占到全年降水总量的70%以上,且55年中有29年降水集中在7月份,17年集中在6月份;降水年内变化幅度大致可分为两个阶段,1961～1995年间,波动较为明显,年际间差异较大;1996～2015年间,波动变缓,降水年内分配较为稳定。此外,55年间有27年不均匀系数高于平均值,28年低于平均值,从拟合趋势可以看出,不均匀系数大体上呈下降趋势,说明近些年来降水不均匀性在逐渐减弱。通过计算基尼系数和洛伦兹不对称系数发现,南宁市降水年内分布较不均匀,且大部分是由降水较多的月份引起的,但近年来降水年内分配情况较以往有所改善,趋向均匀发展。为了准确地预测南宁市年降水量,本文分别采用了原始灰色模型、滑动平均改进的灰色模型、结合模糊集理论的加权马尔科夫链、秩次集对分析、最小二乘支持向量机、BP人工神经网络等预测模型。结果表明,以上模型均适用于本次南宁市年降水量的预测研究,经检验,各模型精度均合格。其中,原始灰色模型的平均相对拟合误差为7.8%,预测精度仅为合格,经滑动平均改进后,平均相对拟合误差降低到了 3.4%,精度达到一级;结合模糊集理论的加权马尔科夫链在本次研究中表现较好,验证期的相对拟合误差控制在了2%以内,并预测出南宁市未来两年均为平水年份,年降水量分别为1384.6mm、1221.6mm;秩次集对分析表现良好,模型在验证期内的平均相对拟合误差为6.06%,且预测出南宁市未来两年的降水量分别为1246.3mm、1300.1mm;此外,具有机器学习思想的最小二乘支持向量机和BP神经网络预测模型表现也较好,两模型的平均相对拟合误差分别为5.46%、4.89%,纳什效率系数分别为0.57、0.75,显然,仅以本研究为例,BP神经网络表现要优于最小二乘支持向量机。该研究可为南宁市未来城市水资源规划及合理配置、区域防洪减灾等工作提供科学指导。