台风对中国影响的最重要方面是台风所带来的降水,台风降水的多寡往往直接决定着台风活动频繁区域的旱涝状况。安徽省横跨长江和淮河流域,处于中国的东部季风区和南北气候过渡带内。台风降水常给安徽省带来区域强降水、大风等灾害性天气,造成严重的经济损失。论文根据安徽省汛期降水分布特点和大气环流特征,将安徽省汛期阶段划分为前汛期、梅雨期、黄淮雨期、伏期、后汛期共5个阶段,并在识别影响安徽省台风降水事件的基础上,分析了安徽省台风降水量、次数等台风降水特征量的时空分布;通过相关分析确定了影响安徽省台风降水的前期因子,建立了基于BP（back propagation）人工神经网络的汛期台风降水事件与降水量预测模型。通过对原有的旱涝急转指数加以改进,结合安徽省降水阶段特征定义了降水阶段旱涝急转指数PDFAI（Period Drought-Flood Abrupt Alternation Index）,利用改进的降水阶段旱涝急转指数,识别了安徽省1957～2019年汛期的旱涝急转事件,分析了安徽省旱涝急转事件的历史演变规律,对台风活动与旱涝急转事件之间的关系进行了分析。研究结果表明:（1）安徽省汛期台风降水具有空间不均匀性,江南、江淮、淮北3个地理区域的多年平均汛期台风降水量分别为181、137、113mm,呈自南向北纬向递减。台风降水量年际、年代际差异显著,汛期台风降水量于20世纪80年代达到最大值,在2000s以后明显减少。安徽省1957～2019年前汛期、梅雨期、黄淮雨期、伏期、后汛期5个阶段的平均台风降水量分别为34、62、65、73、56mm,其中前汛期发生的台风降水事件最少,无台风影响降水的年数为55～57,后汛期发生的台风降水事件最多,无台风影响降水的年数为18～23。（2）构建的基于前期影响因子的汛期台风降水事件BP神经网络预测模型具有较高的准确率。率定期1957～2009年准确率为96%,其中1963、2002年预测错误。验证期2010～2019年准确率为90%,其中2012年预测错误。造成误差的原因可能是这三年的台风降水主要受短期天气变化影响,其降水发生机制与前期影响因子值接近的其它年份台风降水机制不同所致。在台风影响降水年,基于BP的汛期台风降水量预测模型在率定期1957～2009年（剔除了非台风影响降水年）的平均相对误差绝对值为21%,2000、2009年模型拟合误差较大,其中2000年模型计算值偏大,可能是西太平洋上空高低层垂直切变异常偏大阻碍了台风胚胎的发生与发展;2009年模型计算值偏小,可能是多个台风云系不对称导致台风登陆带来的降水范围异于常年。模型在验证期2010～2019年的平均相对误差绝对值为17%,其中2019年模型预测值偏大,可能是双台风效应导致反气旋环流阻挡了台风北上,使台风中心徘徊于安徽境内,台风登陆带来的降水范围异于常年。（3）采用改进的PFDAI指数识别得到的安徽省旱涝急转事件中旱转涝事件发生的频率高于涝转旱事件,1957～2019年共63年间有21年发生了旱转涝事件,有17年发生了涝转旱事件。前汛期～梅雨期旱涝急转事件共发生12次,旱转涝事件发生频率是涝转旱事件的2倍;梅雨期～黄淮雨期旱涝急转事件共发生13次,其中旱转涝事件发生6次,涝转旱事件发生7次;黄淮雨期～伏期与伏期～后汛两个时间段旱涝急转事件均发生9次,旱转涝事件发生次数都为6。梅雨、台风活动对旱涝急转事件的发生具有一定的指示作用,旱转涝事件中受梅雨、台风活动影响的事件分别占29%和52%,涝转旱事件受梅雨、台风活动影响的事件都占35%。