地球表面上存在大量液态水,但大部分存在于海洋环境中,可被有效利用的淡水资源占总数的2.53%。即便如此,将近70%的淡水以冰川,积雪和冰冻的土壤形式存在,而可用的淡水仅占世界淡水总量的30%,甚至是稀缺。由于庞大的人口和不合理的水资源空间分布,导致我国成为一个缺水的国家。因此,有效合理的径流预报可以为有关部门提供参考,在防洪和国民经济发展中发挥举足轻重的作用。本文主要从清江流域多时空尺度特性分析、基于多种因子识别方法的径流预报研究和基于注意力机制的预报方法三个方面,以清江隔河岩实测径流数据为依据,进行中长期径流预报,论文主要研究成果如下:（1）用多年各月平均径流量占多年平均径流量的比重以及不均匀度来表示径流年内分配情况,结果显示径流年内分配不均匀,汛期主要集中在四到九月,枯水期主要集中在十一月到二月,枯水期径流消退规律明显。分析径流的演变趋势,结果表明隔河岩月径流序列总体变化趋势不显著,历年逐月径流量呈不显著增加趋势。对突变点进行分析,结果表明存在一个突变点。对径流时间序列的周期性计算,结果表明径流序列存在多时间尺度周期,其中包含十个月的第一主周期,十八个月的第二主周期,二十七个月的第三主周期。对隔河岩流序列稳定性进行初步分析,初步认为隔河岩径流序列平稳,且随机性小。（2）将相四种不同的预报因子筛选方法与三种模型结合进行隔河岩径流预测,对预测结果的合格率分析,通过横向对比表明BP神经网络和Elman神经网络的预测效果优于多元线性回归的预测效果,而纵向对比表明基于逐步回归和主成分分析法的预报因子筛选方案的模型效果比相关系数法和秩相关分析法的效果要好,其中基于主成分分析法的Elman神经网络预测模型效果相对最佳。（3）利用LSTM具备长时记忆的能力,能够一定程度上解决梯度爆炸,梯度消失问题,在此基础上利用attention权重分配能力,对因子重要程度进行权重分配,提取更有效的信息,对隔河岩实测旬径流进行预报,与单一LSMT线性预报结果做对比,结果显示加入注意力机制后的LSMT预报模型比原单一模型效果有所提升。