在水文模拟研究中,水文模型主要应用于水循环研究领域,是对水资源进行科学评价、合理调度的有利工具。这些水文模型有着很多具有明确物理意义和显著时空分布特征的水文模型参数,因此参数的率定在整个水文模拟中尤为重要。随着超级计算机的出现和发展,高性能并行计算已成功运用于水文模型中,但是现如今的并行方法无法实现大规模的水文模拟参数优化,主要是因为大多数参数率定采用的是阻塞通信的主从并行模式,在大规模参数率定过程中,进程之间很难做到负载均衡,并行效率远远低于理想值。针对上述问题,本文主要研究内容如下:（1）设计并实现一种多级并行参数率定框架。该框架采用了MPI并行库中对等设计模式、非阻塞通信方式及划分子通信域技术:对等式设计模式使得每个进程都能参与参数率定,最大程度地使用资源;非阻塞通信方式能够保证所有的通信操作皆在后台运行,避免了因为通信而造成的进程间等待;划分子通信域技术实现了框架的多级并行,将多个进程划分到不同的通信域中,每个进程在进行参数率定的同时,还各有分工,共同完成参数优化的工作。（2）实现优化算法、水文模型和多级并行参数率定框架的结合。根据粒子群算法的特点,可以将并行框架中部分进程映射成搜索粒子点,部分子通信域映射成种群,使得更多的子通信域趋近最优值,从而整体能够更快收敛,取得更好的率定结果。将优化算法应用在HIMS模型和Easy DHM模型上,由实验结果可知,遗传算法和粒子群算法在水文模型的参数率定方面能够发挥出优秀的率定效果。（3）针对本文设计的多级并行框架进行性能测试。通过双层主从并行框架与本文多级对等式并行框架在寻优效果、运行时间和可扩展性三个方面的对比,得以验证本文设计的对等式并行框架在大规模的参数率定中有着更好的效果;通过增加水文模拟的规模和进程个数对并行框架进行测试,最终结果验证了并行框架具有良好的可扩展性。