摘要：基于用水時(shí)間序列構(gòu)建投影尋蹤回歸（PPR）需水預(yù)測模型。針對PPR模型矩陣參數(shù)難以確定的不足,利用一種新型群體智能仿生算法——飛蛾火焰優(yōu)化（MFO）算法優(yōu)化PPR模型矩陣參數(shù),提出MFO-PPR預(yù)測模型,并構(gòu)建MFO-BP模型作對比,以1980—2013年上海市需水預(yù)測為例,分別利用實(shí)例前20組和后10組數(shù)據(jù)對模型參數(shù)進(jìn)行率定及預(yù)測。結(jié)果表明：MFO-PPR模型對實(shí)例后10 a需水預(yù)測的平均相對誤差絕對值和最大相對誤差絕對值分別為1.84%、4.20%,預(yù)測精度優(yōu)于MFO-BP模型的2.06%、4.61%。MFO算法具有較好的全局尋優(yōu)能力,將MFO算法應(yīng)用于PPR模型參數(shù)尋優(yōu),可有效地提高PPR模型的預(yù)測精度。