随着社会和经济的发展,水资源作为人类赖以生存和社会经济发展不可或缺的物质基础,有着不可替代的作用。对水资源进行合理的开发和利用一贯是国内外研究的热点和难点,而水文预报是合理开发利用水资源的前提,也是水利工程进行合理规划、建设的关键问题。水文预报方法发展至今,已从水文统计法、成因分析法等传统方法发展到模糊数学法、人工神经网络法、灰色系统理论法、多层递阶法、最优组合预测法等,各方法均具有其各自的特点和优势。本文分析了互信息理论和最邻近聚类RBF神经网络理论的基本原理,吸取了互信息理论变量相关关系表征能力和神经网络非线性逼近功能,建立了基于互信息的改进RBF神经网络预测模型。该算法对最邻近聚类RBF神经网络算法中的不足进行改进,对神经网络输入层进行筛选,简化了神经网络结构,提高了算法的计算速度和预测精度。在此基础上,研究分析预报精度与误差特性,利用有限记忆最小二乘法对预报径流序列进行实时校正,校正后预测值的预报精度有了进一步提升。以雅砻江流域泸宁水文站为例,进行预报模型在短期径流预报中的应用研究,验证了本文所建模型及算法的合理性及有效性。实验结果表明,基于互信息的改进RBF神经网络预测模型预报精度较高,对预报结果进行实时校正后获得了更良好的预报效果,为官地水电站水库调度提供了更为可靠的基本依据。