水文预报,特别是中长期径流预报,是水资源管理和水利工程运行不可缺少的一部分,准确可靠的径流预测可以为防洪、发电、供水和抗旱决策提供有价值的信息。本文以潮河流域为研究对象,在综合分析流域水文要素变化趋势及特征的基础上,利用麻雀搜索算法（SSA）对支持向量机模型（SVR）进行优化,构建了基于因果关系的年径流预测模型（SSA-SVR）;将互补集合经验模态分解法（CEEMD）与SVR模型相结合,建立了基于时间序列的月径流组合预测模型（CEEMD-SSA-SVR）,并利用立方混沌映射和鸟群算法（BSA）对CEEMD-SSA-SVR模型进一步优化,使模型预测性能得到提升,为水资源的优化配置和综合利用提供科学参考。本文主要研究内容如下:（1）利用MK趋势检验法、Sen’s斜率及MASH滑动平均法对水文气象要素变化进行趋势分析,表明径流量和降雨量随时间呈下降趋势,温度呈上升趋势。（2）利用C-C法验证了流域水资源具有非线性动力系统的混沌特征,对径流序列进行了相空间重构。（3）利用SSA算法对SVR、BP神经网络模型进行优化,建立了SSA-BP、SSASVR年径测模型,并与多元线性回归模型进行对比,表明SSA算法可以有效优化模型,非线性预测模型预测效果更佳。（4）对经过CEEMD分解的月径流序列,建立了基于时间序列的SVR月径流预测模型（CEEMD-SVR）,利用人工蜂群算法（ABC）、差分进化算法（DE）和SSA算法对SVR模型进行优化,分别建立了CEEMD-ABC-SVR、CEEMD-DE-SVR、CEEMD-SSA-SVR月径流预测模型。结果表明CEEMD分解可以有效去除序列噪声,SSA算法具有更强的全局搜索能力,CEEMD-SSA-SVR模型具有更高的预测性能。（5）引入立方混沌映射和BSA算法对SSA算法进一步优化,提出了基于混沌映射的鸟群融合麻雀搜索算法（C-BSSA）,构建了C-BSSA-SVR模型对6个模态分量进行预测,并建立了基于CEEMD的C-BSSA支持向量机月径流预测模型,结果表明,CBSSA算法寻优性能得到提升,运行时间有效降低,易陷入局部最优的缺陷得到改善,改进后的CEEMD-C-BSSA-SVR模型预测效果更好。