经济社会可持续发展对水利提出了越来越高的要求。水库是调节径流、开发利用水资源的有效手段,而如何对水库进行多目标优化调度以实现其短期效益与长期效益、经济效益与社会效益的统一成为当前的一个重要研究课题。本文对水库多目标优化调度所涉及的一些相关问题,包括天然河道水流演进及水流传播时间、多日径流预测、水流含沙量的预测、库区泥沙冲淤的智能快速预测、水库水沙电多目标优化调度等进行了研究,得到的主要结论如下:(1)提出了单槽形式和滩槽形式两种河道概化模型技术来实现主要断面的抽象概化,分区段构建了河道的概化模型。然后本文又利用无侧流以及考虑侧流的圣维南方程组并采用Preissmann隐式差分法对河道水流演进过程进行了模拟。计算实例表明考虑区间入流和支流的流量演进模拟结果与实际过程趋势一致,峰谷对应关系良好,基本能够反映实际水流状况。最后本文将遗传算法改进的BP神经网络模型应用于河道水流传播时间的预测,并建立了相应的水流传播时间预测模型。计算实例表明本文的模型能较好的反映出不同输入下的传播时间的变动趋势,在支流流量较小的情况下能对水流的传播时间进行较准确的预测,能为河流水资源的最优利用以及水库的调度运行提供一定的参考。(2)从水库实际调度运行需求出发,针对其入库日径流预测中存在的预见期短、预测精度低等问题进行了研究,提出了基于小波分解的日径流逐步回归预测模型。与以往的日径流预测模型不同,本文将预测水文站的上游水文站的日径流序列引入预测模型,同时利用小波分解和重构得到预测水文站及上游水文站的日径流序列在不同尺度下的概貌分量,在相关分析的基础上确定候选影响因子并利用逐步回归分析确定最优的回归预测模型。计算实例表明,本文提出的基于小波分解的逐步回归日径流预测模型的预测精度高于多元自回归模型,能对非凌汛期未来1~3天以及凌汛期1~7天的日均流量进行预测,能够为制定水电站未来的发电计划提供科学的依据。(3)以黄河头道拐水文站为例对水流日均含沙量的预测进行了研究,在对黄河非凌汛期和凌汛期等不同径流模式下水流含沙量的影响因子进行分析的基础上,分别建立了各径流模式下的水流含沙量的神经网络预测模型。计算实例表明,与线性的多元回归模型相比,含沙量的神经网络预测模型能够更有效的处理水流含沙量与各影响因素的非线性关系,能够为河流水沙调控与水库的调度运行提供一定的参考。(4)对水库淤积问题进行了研究,提出了水库泥沙冲淤的复合模型预测方法。为综合考虑浑水悬移质淤积和异重流泥沙淤积的双重作用,本文将非饱和不平衡输沙模型和异重流运动模型进行耦合并建立了一维耦合泥沙数学模型,对其基本方程及求解方法进行了研究,并将虚拟流动法应用于非恒定异重流模型的求解以准确的预测异重流的演进过程和流达时间。本文将该模型分别应用于万家寨水库泥沙冲淤计算和小浪底水库异重流模拟计算,计算结果表明该模型能够很好的反映水库淤积的发展变化过程,并且能够准确的模拟异重流头部的演进过程和预测其流达时间。此外,为了克服水沙动力学模型参数较多、计算繁冗的缺点,本文将一维耦合泥沙数学模型和BP神经网络模型进行复合并建立水库泥沙冲淤的复合BP网络模型,该模型的输入和输出单元具有明确的物理意义。万家寨水库泥沙冲淤快速预测实例表明复合BP网络模型具有简便、快速、精度高的优点,其计算速度高于一维耦合泥沙数学模型的250倍,既解决了水库多目标化调度中的速度瓶颈问题,又为水库管理人员提供了一个预测水库淤积的简便的方法。(5)对水库水沙电多目标优化调度进行了研究,建立了水库水沙电多目标优化调度模型。同时,鉴于传统约束法和权重法的不足,本章结合Pareto最优解的概念在微粒群算法中引入惯性权重自适应调节机制和Pareto优解库机制形成改进多目标微粒群算法(IMOPSO),然后运用该算法对上述多目标优化模型直接求解以得到水库多目标优化问题的Pareto最优前沿。计算实例表明本章的方法能够找出具有良好分散性能的Pareto最优前沿,能非常直观的显示出各优化方案的结果,能为决策者提供更有效的支持。此外,经与NSGA-II对比,IMOPSO算法具有优良的全局寻优性能和分散性,非常适合于多目标优化问题的求解。