平原河网地区产业集中、人口密度大，水安全问题越来越成制约社会经济发展的主要因素。准确认识平原河网水流的运动过程是认识水问题、解决水问题的关键，数值模型因其计算效率高、成本低、便于改变计算条件等优点，成为目前认识河网水动力过程的主要手段。鉴于平原河网水流运动的复杂性和数值模型自身存在的不可避免的误差，利用数据同化方法提高模型的计算精度显得尤为重要。目前，针对单一河道的水量数据同化研究得比较充分，而针对大型河网的水量数据同化研究还没有系统开展。本文以太湖流域河网为研究对象，采用集合卡尔滤波研究了大型河网水量数据同化问题，从集合数、模型误差、观测数量和观测频率等方面探讨了同化模型的性能，并将模型应用于洪水预报。本文的主要成果包括:　　(1)太湖河网水量模型优化和完善。太湖河网水量模型原有河道数据采集于2000年，在人类活动影响下，河网基础数据至今已发生重大变化，原来的河网结构已不满足当前对水量模拟的要求。因此本研究以河道实测大断面资料为基础，结合谷歌影像资料，对太湖流域河网数据进行更新，更新之后的河道、湖泊和闸站数量较之前分别增加了31％、46％和48％。采用2012年太湖流域主要水文站的观测数据对模型进行验证，结果表明:模拟值与观测值吻合得较好，各站点平均水位残差为0.19m，模型可较好地反映太湖流域的水量情况。　　(2)集合卡尔曼滤波算法改进及其在大型河网中的实现。由于不同状态变量之间存在较大量级差异，易产生数值截断误差和观测数据不能充分利用等问题，对此本研究提出一种集合卡尔曼滤波交替算法，通过分别构建水位和流量滤波器，实现对状态变量的单一有效同化。研究还引入水位尺度变换系数，用于在滤波前后对水位作量级变换，进一步改善交替算法的效果。在集合卡尔曼滤波和太湖河网水量模型的耦合中，选择节点水位作为状态变量，通过人工设置观测节点的方式解决新息跨河道传播的问题。此外，还提出一种多次在同化窗口扰动集合的分析方案，来保证集合的离散性和同化的有效性。将构建的太湖河网水量同化模型在2012年雨情下进行检验，结果表明:大部分观测站点的模拟精度都得到了改善，平均水位残差为0.16m，较太湖河网水量模型的水位残差减少了0.03m。　　(3)太湖河网水量数据同化效率分析。围绕集合数、模型误差、观测数量和观测频率的不同取值设置实验，以太湖流域主要水文站水位过程、河网节点水位残差和同化效果的空间分布为指标，研究各要素对同化效率的影响。结果表明:集合数越多、模型误差越大（小于某一阈值）、观测数量越多、观测频率越高，同化效率就越高。在本研究案例中，当集合数取50～100、模型误差取25％～30％、观测站点在每个水利分区内设置2～3个、观测频率取1～2天/次时，可取得良好的同化效果。　　(4)数据同化在大型河网洪水预报中的应用。基于集合卡尔曼滤波构建太湖河网洪水预报模型，并从降雨情景和同化时间窗口两方面对预报效果进行分析。结果表明:降雨情景对洪水预报结果有重要影响，太湖水位的预报精度总体较好，接近真实雨情的降雨预报可以显著改善洪水预报效果。同化时间窗口越小，洪水预报的效果越好。本研究案例中，在洪水短期预报所需的时间尺度下，同化窗口的影响十分有限。