数据挖掘技术是人工智能中机器学习和数据库技术结合而发展起来的新技术。它是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取出隐含在其中的、人们事先不知道的、可信、新颖、有效并能被人理解的模式的高级处理过程。将数据挖掘技术应用到水文预报中,有着广阔的应用空间和实际意义。本文在概要介绍数据挖掘和水文预报研究现状之后,首先对水文预报系统架构模式展开讨论,并在其基础上重点介绍了基于数据挖掘技术的水文预报研究。本文共分六章,主要内容如下:第一章主要介绍了选题的意义及论文的主要工作内容,介绍了数据挖掘技术及其发展。第二章综述了水文预报问题的研究现状,就国内外对水文预报的各种处理方法进行了总结分析和比较。并重点介绍了神经网络预报方法。第三章介绍了中长期水文预报模型的建立过程。重点介绍了神经网络结构的选定策略,对原始数据的处理和BP模型在水文预报中的学习和预测过程。第四章具体介绍了预测模型的数据库设计与实现。第五章介绍了中长期水文预报模型的实际预测效果,通过与普通预测模型比较,证明该模型有较好的预测精度,有一定的实际应用价值。第六章给出本文的总结,并提出下一步的工作设想。