洪水灾害是世界上最严重的自然灾害之一,而洪水预报是防灾的重要非工程措施。针对每个流域和每场降雨的不同特性进行更加准确的洪水预报是亟待解决的问题。在流域固定的情况下,随着每场降雨的时空特征(影响瞬时单位线参数的因子)不同,流域汇流特征也不相同,即采用Nash瞬时单位线法计算流域汇流时,每场洪水的单位线参数n、K应不同。为此,论文以安徽省丰乐河流域为研究区域,采用新安江日模型对该流域1984年至2013年的日径流过程进行模拟,以模拟和实测日径流过程的确定性系数最高为目标函数,采用遗传算法确定模型参数；以日模型计算的土壤含水量作为次洪模型土壤含水量的初始值,后采用新安江模型和瞬时单位线法分别计算次洪产流和汇流,构建了次洪模拟模型,选取了1984年至2013年间的30场洪水,选取其中的20场为训练样本,以训练样本次洪流量过程的平均确定性系数最高为目标函数,采用遗传算法确定了每场洪水的单位线参数以n,K和自由水蓄水容量参数SM；分析识别了平均降雨强度I(整场降雨的平均降雨强度)、24h最大超渗雨量P24、流域降雨重心L和降雨量与前期影响雨量P+Pa指数作为影响单位线参数n、K的因子,采用多元回归法,构建了影响因子与单位线参数n、K的关系；基于构建的洪水预报模型,将构建的单位线参数与降雨时空特征关系应用到丰乐河流域洪水的预报中。研究结果如下：日模型中,率定期模拟的日径流过程确定性系数为0.82；检验期模拟的日径流过程确定性系数为0.80。次模型中,20场率定洪水的径流深平均相对误差为10%、平均洪峰误差为13%、峰现时间的误差为3.6h,评定合格率分别为100%、80%和85%,平均确定系数为0.88；10场检验洪水的径流深平均相对误差为8%、平均洪峰误差为12%、峰现时间的误差为5.4h,评定合格率分别为90%、90%和80%,平均确定系数为0.84。分析选取了平均降雨强度I、24h最大超渗雨量P24、流域降雨重心L和P+Pa指数作为影响瞬时单位线参数n、K的因子,在选取的4个因子中,瞬时单位线参数nK与流域降雨重心L呈正相关,与平均降雨强度I和24h最大超渗雨量P24呈负相关,与降雨量及前期影响雨量P+Pa指数关系较弱；4场用于验证回归关系的洪水平均径流深相对误差为13%,平均洪峰相对误差为9%,平均峰现误差为3h,对应的合格率分别为75%、100%和100%。确定性系数最低为0.80(840830场洪水),最高为0.99(090628场洪水),平均确定性系数为0.89。研究结论如下：(1)基于瞬时单位线所构建的洪水预报模型日模型与次模型对该流域径流过程的模拟效果较好,可用于该流域的洪水预报,且计算精度较高。(2)提高洪水的模拟确定性系数能较为有效的提高3个洪水指标指标精度评定时的合格率,提升效果最好的为径流深的合格率,其次为峰现时间的合格率,最次为洪峰流量的合格率。(3)平均降雨强度,、24h最大超渗雨量P24、流域降雨重心L和降雨量与前期影响雨量P+Pa指数可作为影响瞬时单位线参数的主要因子,构建的瞬时单位线参数与其影响因子间的多元回归关系可用于该流域的洪水预报中,计算精度较高。