该文具体结合"可视化清江梯级水电综合调度仿真研究"项目,深入探讨了径流预报的相关方法.适当整理现有历史观测资料后,根据模型的适用范围,建立了几种预报模型.最小二乘法建立降雨-径流模型用于洪水期径流描述,时间序列分析建立枯水期径流预报模型,神经网络模型、遗传算法模型及其联合模型进行年日径流预报.首先,利用径流流量及降雨资料建立了线性降雨-径流模型.传统的降雨-径流模型理论已经相当成熟,但由于现有资料的限制而无法建立,且传统模型有计算量、工作量大,不便于移植的缺点.故而,该文充分利用计算机计算上的优势以最小二乘法建立了流量与降雨量的相关关系模型,用于洪水期径流描述.其次,该文根据ARMA系列模型的特点、相关分析方法及建模方法,结合现有数据资料,给出了枯水期径流预报的AR模型,经过实例验证,取得了较好的效果.然后,作为该文的研究重点,在第四章、第五章引入神经网络、遗传算法等非线性理论与模型,尝试用三层BP网络模型和遗传算法模型模拟全年的日径流过程.进而将两种算法结合起来,建立联合模型.在网络结构与算法优化等方面做了有益的探讨,同时,对各个模型进行了预测结果验证与比较分析,其结果证明是可行的.