降水频率分析可为流域(区域)规划和水利工程建设提供设计依据。频率分析需要选取合适的水文分布线型和参数估计方法,但是目前没有统一适用的分布线型和参数估计方法。对不同分布线型,在采用传统参数估计方法时需要推导繁琐的计算公式,计算过程复杂。智能优化算法一般只需要知道其分布目标优化函数关系,不受函数连续性、光滑性限制,避免了大量的求参数计算,因而可应用于水文频率分布参数计算中。本文综述了现行水文频率计算中分布线型和参数估计方法研究进展,总结了目前水文频率分布参数计算中存在的问题,针对这些不足,本文引入智能优化算法,在系统阐述各方法原理的基础之上,并将其应用于年降水频率计算中。采用Matlab 2018b平台编制计算程序,探讨智能优化算法在降水频率分析计算中的应用。以陕西省关中地区36个气象站的年降水序列资料为例,应用4种传统参数估计方法(矩法(MOM)、极大似然法(MLM)、最大熵法(POME)、线性矩法(L-M))和4种智能优化算法(反向学习自适应差分进化算法(OL-ADE算法)、蜻蜓算法(DA算法)、遗传粒子群混合算法(HGAPSO算法)和群居蜘蛛算法(SSO算法)),按照6种优化准则(OLS准则、ABS准则、WLS准则、AIC准则、PPCC准则和QD准则),进行分布参数优化求解、设计值计算和拟合优度评价。研究取得如下结论:(1)根据4种传统参数估计原理,推导4种常用分布线型(两参数Γ分布(G2)、皮尔逊Ⅲ分布(P-Ⅲ分布)、广义极值分布(GEV分布)和广义Logistic分布(GLD分布))的参数公式,详细介绍了4种智能优化算法的应用原理和求解年降水序列的分布参数的具体步骤。(2)4种传统参数估计方法和4种智能优化算法估算参数值计算具有如下规律:对于G2分布和GEV分布,PPCC准则下智能优化算法除外,8种参数估计方法计算的参数值大致相同。对于GLD分布,3种传统参数估计方法计算的参数值差异较大,4种智能优化算法计算的参数值大致相同。对于P-Ⅲ分布,4种智能优化算法结果差异较大,当位置参数为正值时,4种传统参数估计方法计算的参数值大致相同,而当位置参数为负值时,估算的参数值差异较大。(3)通过6种拟合优度评价指标优选出最佳参数估计方法和分布线型。参数估计中,智能优化算法拟合效果总体优于传统参数估计方法,智能优化算法中HGAPSO算法最优,传统算法中L-M法是最优的,MLM法的拟合效果是最差的。分布线型中,实例验证在大多数站点中,GEV分布和GLD分布线型具有很好的拟合效果;少数站点中,P-Ⅲ分布也获得较好的适线结果。(4)通过对年降水序列水文频率曲线拟合结果和拟合优度评价结果的分析表明:智能优化算法在研究区年降水频率计算中具有较好的适用性,结果更精确。