径流量预测是水文学研究的一个重要方向,开展径流演变规律的研究,摸清径流量的增减趋势,并在此基础上做出科学合理的径流预测,对于区域水资源的综合开发利用、合理配置、高效管理具有重要指导作用。本文在分析某水文站月径流量演变规律的基础上,建立SARIMA模型,NAR神经网络模型以及SARIMA-NAR组合模型对其未来一段时间的月径流量进行了预测,主要工作内容和研究成果如下:(1)在时间序列分析和随机水文学的基础上,对该水文站径流演变规律中的确定性成分进行了分析。采用Kendall秩次相关检验法、Spearman秩次相关检验法分析该水文站月径流序列的演变趋势,结果表明其各月径流量总体变化趋势不显著,历年逐月径流量有不显著递增趋势;采用有序聚类法,秩和检验法诊断径流序列的突变情况,结果表明其月径流序列突变现象不显著;采用小波分析法分析径流序列的周期性,发现其径流演变过程存在多尺度周期变化并识别出18个月的第一主周期,9个月的第二主周期。(2)在时间序列分析的基础上,建立了SARIMA季节乘积模型,对径流量序列进行拟合并预测,经检验预测结果的确定性系数为0.90,预测精度较高。(3)结合神经网络有关理论,建立基于NAR动态神经网络的径流预测模型,对径流量进行拟合并预测,经检验预测结果的确定性系数为0.91,预测精度较高;建立了基于方差倒数法和熵权法的SARIMA-NAR组合预测模型,经检验组合模型的相对误差绝对值之和分别349.99%和344.69%,SARIMA模型和NAR模型的相对误差绝对值之和分别为372.25%和351.16%,组合模型的稳定性得到了提高。(4)开发基于MATLAB的径流特性分析及预测系统界面,以简化工作步骤,提高工作效率。