径流预测是水电站优化调度的基础，其预测结果的准确与否，将成为水电站的最优调度方式能否发挥作用的关键。但径流要素受气候、流域自然地理及人类活动等多种因素影响，其变化特性和规律错综复杂，表现出随机性、灰色性、非线性等复杂特征。因而径流预测是十分困难的，它一直是国内外研究的热点和难点。　　 本文结合“韶关地区小水电站群联合优化调度决策支持系统”工程研究项目，对韶关地区三江流域的各主要水库入库径流预测模型、方法、应用等相关问题进行深入研究分析，对开发的相关软件进行介绍，并对未来相关研究工作的开展进行了展望。本文主要研究内容及成果如下：　　 1）查阅国内外文献的基础上，综述了径流预测研究现状，阐述了目前存在问题和今后发展趋势，进而明确本文的主要研究内容。　　 2）根据韶关地区流域特征背景，对所收集到的气象水文及基本径流资料采用相关分析、聚类分析进行了统计和数据处理，着重针对径流序列变化规律进行特性分析。　　 3）建立年、月、日径流预测模型，本文探索应用了传统的多元线性回归模型、时间序列模型，也试用了灰色模型、神经网络等新预测模型。通过综合比较各模型预测效果，分析归纳了误差来源。并考虑了气象因素特别是降雨量对日径流的影响，这是本文的重点之一。　　 4）探讨了基于机器学习的径流预测策略，智能化、自适应、自学习进行径流预测是发展方向和努力目标。根据所选地区、最新实际数据进行模型参数自动调整，根据预测偏差不断调整模型结构、参数，形成闭环反馈控制系统模型。这部分是本文最初尝试，也是本文难点之一。　　 5）结合实际研究项目，介绍了开发的预测系统软件，对此类预测软件开发思路、结构、功能做了说明。　　 6）总结了课题研究工作中还存在的问题和不足，并对未来各项工作进行展望。提出软件网络化、模型完美化、信息系统化、因素多样化四个方面的研究努力方向。　　 通过韶关地区三江流域径流预测，综合分析了传统的、成熟的预测方法和当前预测新技术，总结了现有模型的应用特性和优缺点，针对气象因素对径流成因影响，在原有基础上建立了基于气象因素的改善模型。并尝试探讨了基于机器学习的径流预测模式，不仅为韶关地区径流预测做出实际作用，同时为各模型和预测系统的广泛应用提供新途径、新思路。