水文模型是指将自然界中人们无法直接认知的水文现象,使用现代化的模拟方法对其过程进行简单概念化之后得到的科学化模型。水文模型是水文模拟以及研究水循环过程的重要工具,其发展受到多种因素影响和制约,其中比较重要的方面就是水文模型的参数率定。其在分布式水文模型中扮演着至关重要的角色,而率定算法与计算平台同样对率定的效果以及效率起着决定性的作用。由于水文模型大多都是由众多复杂的物理模型组成,其中存在着大量需要率定的参数,这也使得水文模拟参数率定需要相当大的计算资源需求。因此,将水文模型移植到具有高性能计算能力的异构平台对研究水文工作具有广阔的发展前景。当前的水文模型参数率定过程中存在着计算与收敛速度过慢的问题。针对水文模型参数率定的发展现状以及未来发展需求,本文提出了面向异构平台的水文模拟并行率定方法以及基于国产加速器的大规模多级异构并行参数率定算法。首先,对传统的L-BFGS算法以及遗传算法进行并行化改造使其结构适应水文模拟中并行计算的参数率定需求;其次,以HIMS模型为基本的水文模拟参数率定模型,对模型进行异构移植,使整个水文模型以多线程的形式并发运行于协处理器端,与改进的L-BFGS算法以及遗传算法结合应用实现参数率定的并行异构实现;再次,将参数率定的大规模多级并行算法与异构并行算法结合,实现主处理器和协处理器的协同工作;最后以拉萨河流域为例,使用配置Intel+Nvidia的GPU服务器与配置国产先进计算平台的国产加速器双异构平台上部署模型和测试算例,测试结果表明文中所述率定方法适用于当前主流的处理器+协处理器架构,并能够得到较好的参数率定效果。