全球水文变化对陆地生态系统具有重要而深远的影响,水文模拟与预测是水文变化研究的一项重要内容。水位和流量等水文要素的准确预测,对水资源规划、水库调度与运行、航运管理以及预防洪涝灾害等方面具有重要的作用。以长江中游流域宜昌、枝城、螺山和汉口四个水文站点的监测数据为研究对象,探索和揭示河流水位流量的内在联系,建立基于混合BP神经网络的水位流量预测方法,从而为水文预测预警提供理论支撑和技术平台。论文的主要工作和成果如下:(1)在长江中游流域四个站点的2010年至2013年的水位和流量时间序列数据存在空缺和异常的情况下,对比分析了常用的几种数据处理方法的优缺点,确定以中心度量填充法进行空缺值和异常值数据的处理,保证数据的完备性和可信性,确保预测模型的准确性。(2)针对水位和流量间复杂的绳套曲线关系,构建VMD-BP模型模拟水位和流量的关系并进行流量预测。变分模态分解(VMD)将序列数据分解为多个反映原始序列的分量组合,可以降低水位和流量数据的波动性;BP神经网络在非线性拟合上具有很大的优势。融合两种方法构建VMD-BP模型进行流量预测,达到提高预测精度的目的。以螺山水文站的流量数据进行模型验证,并将预测结果与单输入BP神经网络和多输入BP神经网络结果进行对比,结果表明:VMDBP模型的总体预测误差仅为1.41%,且模型在低频分量上的预测效果极佳。(3)针对上下游水位间的滞后关系,基于时空序列模型,结合分布滞后模型(DLM)、VMD模型以及BP神经网络,构建DLM-VMD-BP模型进行上下游水位预测。以长江中游四个站点的水位数据进行实例分析,将预测结果与回归模型、单输入BP神经网络以及多输入BP神经网络进行对比,结果表明:DLMVMD-BP模型在上下游水位预测中有很好的效果,能够为水位预测预警和水文站点的合理优化配置提供重要帮助。(4)集成VMD-BP河流流量预测模型以及DLM-VMD-BP上下游水位预测模型,基于ArcGIS Engine二次开发和MySQL数据库等技术,开发和构建了长江中游水位流量预测预警系统。实现了信息查询管理、信息分析、预测预警以及系统管理四大功能模块,为长江中游水文预测预报提供了信息化管理平台。