钱塘江由于受杭州湾特殊的喇叭口地形以及天体引力和地球自转的影响，形成了钱塘江潮这一世界自然奇观，具有极高的观赏价值。然而潮汐现象也是一种能量的释放过程，当涌潮来临时，前锋几乎陡立，其危害性和破坏力极大。精确的涌潮预报可对保障沿江居民安全、船舶航行安全提供重要的依据。文中提出了基于高斯过程的涌潮预报方法，在潮位序列离散小波变换、潮时序列隔日滞后到潮时差数据统计和涌潮高度规律统计分析的基础上，实现对钱塘江潮位、潮时和涌潮高度的预报，主要工作如下：　　（1）基于高斯过程回归的潮位预报。首先使用滑动平均窗口法对潮位监测资料中的缺失值进行插补，接着采用db4小波函数根据Mallat算法对潮位序列进行四层小波分解，研究趋势序列与近似序列在1～8天滞后情况下与原始潮位序列的相关性，并根据相关性分析的结果，将与原始潮位序列相关性较好的小波分解序列进行叠加作为构建模型输入样本的依据。然后重点分析了协方差函数对高斯过程回归预测分布的影响，并在此基础上选取适合潮位数据自身变化趋势的协方差函数，建立潮位高斯过程回归预测模型，对盐官、仓前和澉浦站潮位进行单步预测。实验结果表明了离散小波变换预处理和合理选取协方差函数在潮位序列预报中的有效性。　　（2）粒子群算法优化高斯过程回归模型。针对传统共轭梯度法搜索超参数存在对初值依赖性太强、迭代次数难以确定和易陷入局部最优等不足，提出利用粒子群算法对高斯过程超参数进行智能寻优，建立粒子群高斯过程回归耦合模型。　　（3）基于粒子群优化高斯过程回归模型的钱塘江潮位、潮时和涌潮高度预报。首先采用粒子群高斯过程回归模型对潮位序列进行预报，并与传统高斯过程回归模型的预测结果进行对比，得到粒子群高斯过程回归模型在潮位预报上的可行性。然后，在对潮时序列进行隔日滞后到潮时差统计的基础上，建立到潮时差粒子群高斯过程模型，并与传统的隔日滞后模型进行预测结果对比分析。最后，在对钱塘江沿岸各站点涌潮高度序列内部蕴含规律进行统计分析的基础上，提出涌潮高度的粒子群高斯过程回归模型，根据下游站点的涌潮高度来预报上游站点涌潮高度。此外，实例分析中，通过一定的误差指标评价模型的精度，实验结果表明，粒子群算法高斯过程回归模型的预测误差小，在钱塘江涌潮预报中具有可行性。