在动态模拟的思维模式下，采用卡尔曼滤波技术和糙率自动校正两种途径，对水力学模型实时校正方法进行了研究。两种途径都取得了明显改进短时段洪水预报精度的效果。 对于卡尔曼滤波技术，当采用观测变量作为状态向量时，由于状态向量与观测向量完全同形，故这一结构制约了校正的空间和弹性，使提高预报精度的幅度受到了限制；当采用糙率作为状态向量时，状态空间方程采用随机游动型，观测向量采用实测水位和流量，由于此时观测方程为状态向量的复杂隐函数，为此导出了显式、隐式差分格式条件下的显式表达方式，试验表明，由于这种模型结构的特殊性，糙率的微小波动会在水位、流量过程计算中明显放大，故滤波器难以稳定；当采用反映观测变量和系统参数(糙率等)的综合性变量作为状态向量时，其结构简洁，滤波方便，试验表明，这一实时校正途径具有深入研究和应用的价值。所提出的糙率自动校正法，是一种引入糙率校正机制、利用误差信息自动修正糙率参数、将水力学模型改造为动态参数模型的实时校正法，该方法不改变水力学模型算法结构体系，方法简单，效果稳定，也具有深入研究和推广应用的价值。 此外，还提出实时校正“指数函数衰减”新方法，开发研制了多种交互分析校正模式。在概括相关图数学模型通式的基础上，开发了相关图建模系统和相关图模型动态预报系统，实现了相关图模型建模标准化、交互校正规范化、实时预报动态化的目标。