水资源是人类社会发展不可或缺的关键因素。准确的中长期径流预测对人类合理开发利用水资源,提高水资源的综合利用效益方面起着至关重要的指导作用。但是随着社会经济的发展,传统的径流预测方法的精度已经满足不了社会的实际需求,亟需找到一种提高径流预测精度的方法。当前,组合预测的方法为提高径流预测的精度提供了另一种思路,成为了径流预测研究的热点问题。组合预测的基本思想是将各模型的预测结果通过某种方式组合起来,综合利用各个预测模型的优势,从而实现提高预测精度和稳定性的目的。对于组合预测模型而言,关键的问题是如何选择参与组合的单项预测模型,以及如何为选定的预测模型赋予合适的权重。针对这两个问题,国内外学者展开了大量的研究,但是并没有形成统一的定论。而且当前的模型筛选方法以及权重确定的方法均存在一定的优化空间,还值得进一步研究。因此本文针对这些问题进行了一些探索研究,主要研究内容如下:（1）针对如何有效选择参与组合的单项预测模型的问题,提出了一种基于熵权-灰色关联-TOPSIS法的单项模型逐步筛选方法。该方法将传统的TOPSIS法与灰色关联分析法相结合,通过灰色关联度来代替传统的欧式距离,构造各单项预测模型与理想模型的综合贴近度,并依据综合贴近度的大小对各模型进行排序,并以排在首位的模型为基本预测模型,然后通过向基本模型中依次添加其他单项模型建立组合预测模型的方式对各单项预测模型进行逐步筛选。这样有效地避免了直接选定参与组合的单项预测模型的盲目性和仅用单一指标选择模型的片面性。（2）目前以单一准则建立的组合预测模型并不能改进其他准则指标,仍存在一定的优化空间。针对此问题,建立了一种基于不同准则和支持向量机（SVM）的非线性优化组合模型。首先,以筛选出来的单项预测模型为基础模型,分别以平均绝对误差（MAE）最小、平均相对误差（MRE）最小、均方根误差（RMSE）最小为优化准则建立线性组合预测模型,结果表明这三种线性组合预测模型的预测精度均要高于单项预测模型。但是这三种组合模型并没有改进其他的误差准则,仍有改进优化的空间。为了兼顾三种线性组合预测模型的优点,利用SVM方法将它们进行非线性组合,建立了基于SVM的非线性优化组合模型,并与其他几种形式的组合预测模型进行对比,结果表明基于SVM的非线性优化组合模型能进一步改善预测的性能。（3）传统的径流组合预测模型分配给各单项预测模型的权重值是固定不变的,这与实际情况并不相符,会对径流组合预测模型的预测效果造成影响。针对此问题,本文将诱导有序加权平均（IOWA）算子引入到径流组合模型中,并以预测误差平方和最小为优化准则建立基本的IOWA算子组合预测模型,它能够根据单项预测模型在各时刻点上的预测精度的大小赋予单项模型相应的权重值,克服了传统组合预测模型的缺陷,提高了预测的精度。考虑到以误差平方和为准则的组合预测模型可能会遇到误差“放大”效应,进而引入了灰色关联度和Theil不等系数这两个稳健的相关性指标,建立了基于相关性指标的IOWA算子的组合预测模型,进一步提高了预测的精度,改善了预测的性能。