本文从研究领域的暴雨成因分析，由于流域地势复杂，水文气象条件差异，暴雨成因不一致，面上分布不均，导致上下游洪水出现时间在空间分布不完全相应，运用随机的理论，研究随机模型在洪水地区组成中的应用与发展。 所谓随机模拟，就是根据观测资料的统计特性和随机变化规律建立能预估未来水文情势的随机模型，由模型通过统计试验获得模拟序列之过程。本次采用了典型解集模型及多站平稳自回归模型来研究在随机模拟条件下的洪水地区组成。并在常用模型的基础研究非参数模型在随机模拟中的应用，本次研究建立了BP网络时序模型，在此基础上探讨了以上三种随机模型在洪水地区组成随机模拟中的适用性。 本文首先利用典型解集模型与多站平稳自回归模型研究在洪水地区组成中的应用，在研究过程中发现了参数模型在随机模拟中的一些缺陷，这在于参数模型虽然大多比较简单实用，但它是对水文现象作了适当简化和假定的，而水文现象本身又是极其复杂的，故这中间就产生了一些偏差。这些偏差在模拟结果中都有一定的体现，为了弥补这样的缺陷，本次研究中提出了一种新的模型——BP网络时序模型，BP网络时序模型是一非参数模型，它不对研究对象的总体密度作任何假设，因而可以它能处理各种类型的资料，适合于更多的问题，具有良好的稳健性，估计出的密度是真实密度的最优估计。 将三个模型都应用于澜沧江流域中下游地区的洪水地区组成的随机模拟中，模型适用性检验表明，三个模型在模拟效果均达到实用的要求，因此这三个模型是可行而有效的。 为了更加客观的描述洪水地区组成的特性，提示其内在本质规律和发展机理，本文尝试了BP网络时序模型，这是一个非参数随机模型，开辟了随机模型在洪水地区组成中研究的新途径。