随着计算机科学和应用数学的发展，用于流域水文模型的参数优化研究也随之蓬勃发展起来。本文详细的阐述了水文模型参数优化的发展概况，并且以新安江模型为例，对局部优化方法和全局优化方法进行了阐释。 优化方法可以分为局部优化和全局优化两类，其根本区别在于能否搜索到全局最优参数值：局部优化方法搜索的结果受初始点设置的影响因此很难搜索到全局最优参数值，而全局优化方法具有参数空间内随机取样的功能，因此较容易搜索到全局最优参数值。本文以单纯形算法作为局部优化方法的代表，SCE-UA算法作为全局优化方法的代表，将这两种方法分别用于新安江模型参数率定中，研究内容如下： 关于单纯形算法的研究内容包括：(1)算法寻优的特点；(2)参数搜索结果对初始值及步长的依赖性；(3)算法加入随机生成初始点模块后的应用情况。 关于SCE-UA算法的研究内容包括：(1)算法寻优的特点；(2)算法全局性的验证；(3)算法对参加优化资料长度以及目标函数的依赖性。 研究结果包括：(1)对于单纯形算法，目标函数和参数在寻优过程中呈单点迭代的“阶梯式”变化；算法搜索结果受初始值和步长的影响很大，不同的初始点将搜索到不同的结果，只有准确的初始点才能搜索到全局最优值；步长的变化将影响到参数搜索结果和搜索时间，较小的步长虽然可以搜索到较好的结果但却要以增加迭代次数为代价；反之，较大的步长虽然节省了搜索时间但却往往会忽略最优值；为算法加入随机生成初始点模块后，虽然增加了程序的运行时间，但却可以搜索到较全局的结果，经验证可以用于新安江模型的参数率定中。(2)对于SCE-UA算法，将其应用于新安江模型的13参数优化中，经过验证可以搜索到全局最优参数组；由于搜索结果受到资料质量等的影响，研究认为一般需要16年以上的资料才能得到稳定的全局最优值；对于日模型，目标函数选择水量平衡(RMOVE)最佳，确定性系数(DY)次之；对于次洪模型目标函数选用对数绝对值误差(ALOGE)最好，水量平衡函数次之(RMOVE)；SCE-UA算法可以用于新安江模型参数率定中，而高质量的实测资料、好而全面的目标函数以及避免相关参数一起优化是搜索到唯一的全局最优参数组的有力保障。