水文预报直接为防汛抢险，水资源的合理利用与保护，水利工程的建设和调度运行管理，以及工农业生产提供服务，是水文研究的重要内容。长期以来，一直采用传统的确定性或随机性或两者结合的方法来描述水文过程，揭示水文系统的内在确定性规律和外在随机性规律。而实际上，大多数水文问题是由诸如气象、地理、人类活动等客观因素支配的，其运动特征既有确定性一面，又具有随机性一面。本文打破以往传统分析中单一的确定性分析或随机性分析，在水文日流量时间序列中，引入将两者统一起来的混沌性，系统地研究了水文流量的混沌非线性时间序列法。文中利用沙溪口的日流量时间序列，研究了水文混沌非线性时间序列的特征量，即分维数和最大Lyapunov指数的计算，以及相空间重构参数，即时间延迟、嵌入维数和领域搜索半径的选取。采用G-P关联维法计算关联维数；Rosenstein法和Kantz法计算最大Lyapunov指数；重构相空间的延迟时间采用了自相关函数法和互信息量法；嵌入维数采用了饱和关联维法和伪邻近点法；初始领域半径的选取采用了基于G-P关联维法的噪声水平的初始估计方法。文中还研究了流量时序列的降噪，采用了基于重构相空间的局域映射非线性降噪法，并探讨了噪声对于混沌特征量和相空间重构参数的影响。最后建立了局域线性预测模型，检验了重构参数的选取和降噪的效果。