澳大利亚东岸海平面变化影响着沿岸多样的生态系统以及沿海居民的生产和生活环境。同时,该海域毗邻南太平洋副热带环流的西边界,此处的海平面变化与南太平洋环流系统密切相关,对区域及全球的环流变化有重要影响。因此,评估澳大利亚东岸海平面高度的变化特征及其调控机制,并开展相应的预报能力研究是十分必要的。大气以及海洋数据具有多时空尺度、非平稳等特点,仅用传统的统计分析方法（例如:正交经验分解、多元回归分析、小波分析等）有时无法充分提取或分解出其中的主要变化特征。由于人工神经网络具有强的并行性、良好的容错性以及自学习性等优点,近些年来被越来越广泛地应用于大气以及海洋学科。特别是在处理大量数据时,这类方法大大减少了人力并且适用性良好。为了有效提取合适的时空范围的大气变量来评估和预报澳大利亚东北沿岸海平面变化,本文利用两种人工神经网络方法（Artificial Neural Network models简称ANNs）,即自组织映射神经网络（Self-organized Mapping简称SOM）以及带有外部输入参数的非线性自回归模式（Nonlinear AutoRegressive Neural Network with Exogenous Inputs简称NARX）,来评估1993-2018年间澳大利亚东岸大气环流形态与澳大利亚东北沿海海平面年际变化之间的动力关联,并尝试开展沿岸水位变化的预报。由于风场以及大气压强场是决定西边界海区海平面年际变化的重要因素,本文首先利用自组织映射神经网络来提取澳大利亚以东海域海表气压场和风应力场的主要时空特征。然后,利用相关性分析,建立气象要素与水位年际变率之间潜在的动力联系。最后,将相关性显著的气象要素变量的空间特征带入有外部输入参数的非线性自回归模式模型中,对澳大利亚东北沿岸水位变化进行预报。结果表明,自组织映射可以准确提取海面气压以及风场异常的空间特征;澳大利亚东北沿岸海平面年际变化与低纬赤道太平洋、澳大利亚北部、澳大利亚东北部以及周边外海海域的海表面压强以及风场异常信号都存在显著的相关性。基于上述提取出的大气要素的年际模态来建立NARX模型,并开展长时间序列的水位变化预测。结果表明:输入预测值的闭环模型的拟合结果和预报能力尽管逊色于输入目标值的开环模型,但依然可以较准确地预报沿岸水位的上升与下降趋势。不足之处在于,其所预报的水位振幅比验潮站的观测结果振幅较小,需要在未来的研究中进一步加以分析和改进。