流域径流变化影响着水库运行和水资源分配等问题,进而影响社会的经济发展。随着气候变化和人类活动日益剧烈,径流变化研究成为水文学家非常关注的问题。同时,由于人工智能的兴起,多学科融合技术的成熟,机器学习、耦合模型预测研究成为径流预测的研究热点。本文以澄碧河流域为研究对象,选取坝首站实测月径流深为研究数据,提出了适应该流域的径流预测模型方法,可为该流域水资源的高效利用提供借鉴。本文的主要研究内容和成果如下:（1）使用Mann-Kendall方法、线性趋势法、M-K趋势法、Morlet小波分析法对流域坝首水文站月径流深、月极大值径流深、月极小值径流深分别进行突变分析、趋势分析和周期分析。结果表明:坝首水文站在41年共492个月中,月径流深于2015～2017年期间出现突变点;月极大值径流深于2014～2015年期间出现突变点;月极小值径流深于1987～1988年期间出现突变点。月径流深呈现增加趋势,在三种序列中增加幅度最大;月极大值径流深呈现增加趋势,增加幅度次之;月极小值径流深呈现增加趋势,增加幅度最小。月径流深具有4个尺度周期;月极大值径流深具有4个尺度周期;月极小值径流深具有3个尺度周期。（2）基于BP模型、SVM模型和Elman模型三种单一模型对流域月径流深开展预测研究。结果表明:在BP模型、SVM模型和Elman模型这三种预测模型中,NSE分别为0.4880、0.4459和0.4282。其中BP模型预测效果最好。（3）运用基于粒子群优化算法的PSO-BP模型、PSO-SVM模型和PSO-Elman模型对流域月径流深开展研究。结果表明:在PSO-BP模型、PSO-SVM模型和PSO-Elman模型耦合预测模型中,NSE值分别为0.4924、0.5017、0.6194,PSO-Elman模型的预测效果最好。（4）运用基于EMD、EEMD和EWT三种预处理方法与BP模型、SVM模型和Elman神经网络模型进行耦合而构建九种预处理方法耦合模型,并采用这九种模型对流域月径流深开展研究。结果表明:与BP模型耦合的三种模型中,EWT-BP模型的预测效果较好,预报等级为甲级;与SVM模型耦合的三种模型中,EWT-SVM模型的预测效果较好,预报等级为甲级;与Elman模型耦合的三种模型中,EWT-Elman模型的预测效果较好,预报等级为乙级。（5）运用基于EWT-PSO-BP耦合模型、EWT-PSO-SVM耦合模型和EWT-PSO-Elman耦合模型对流域月径流深开展研究。结果表明:EWT-PSO-Elman耦合模型的预测效果最好。（6）运用分位数映射法对EWT-PSO-BP模型、EWT-PSO-SVM模型和EWT-PSO-Elman模型预测结果进行校正。结果表明:校正后模型较校正前模型在三种指标上均有所优化。在三种模型校正中,EWT-PSO-Elman模型校正后的效果最好,预报等级达到甲级,能够很好地提高预测精度。