径流预报不仅在水资源规划管理中起着非常重要的作用,而且在水库调度中也起着重要的作用,径流预报的准确性将直接影响到由此做出的调度方案的优劣。此外,径流预报在防洪、航运、水环境以及实现经济可持续发展等综合效益方面也发挥着重要的作用。然而水文系统是一个大规模的复杂系统,并且水文系统中的径流要素受气候、流域地理环境及人类活动等多种因素的影响,其变化特性和规律错综复杂,表现出随机性、灰色性和非线性等复杂特征。这使得径流预测,尤其是中长期径流预测变得复杂困难,原有的传统方法将难以满足要求。因此,引进新的方法和途径就显得十分必要。　　人工神经网络由于具有很强的自学习、自组织和自适应能力,在水文预报方面得到了广泛应用,但它存在过学习和容易陷入局部最优等问题。然而,支持向量机(SVM)建立在统计学习理论的VC维理论和结构风险最小化原理的基础上,有效地避免了过学习问题;同时在算法上采用了二次规划、拉格朗日理论,得到的将是全局最优解。同时,它引入了核函数,大大简化了非线性问题的求解。为此,本文尝试将SVM应用于径流预测中。　　首先,针对中长期径流预报的困难,为了提高预报的精度,在对预报因子进行物理考察的基础上,通过统计分析和模糊优选法对预报因子进行了筛选。　　其次,以筛选出来的因子和年径流量为资料,分别用人工神经网络和SVM方法对其进行预测。通过对比研究可知,SVM方法的结果比神经网络更优,说明在小样本情况下SVM更能适应于径流预报的复杂性,能有效地提高径流预报的精度。