河道汇流的水文学模型和水力学模型在经过几十年的发展后，技术日臻成熟，在实际应用中也取得了较好的效果。但单一的水文学模型或水力学模型在处理一些复杂的河道汇流问题时往往力不从心，迫切需要将上述两种方法综和起来考虑。 本论文研究的西江梧州—高要河段相对来说比较平缓，所以应考虑采用水力学方法进行洪水预报。但近年来，由于河道的冲刷变化等因素的综合影响，使得从梧州到高要的河道汇流时间大大缩短，考虑到该河道在自然的和人为的因素的双重影响下不断发生变化，利用现有的河道地形资料进行水力学方法的汇流计算时就有可能发生偏差，而利用水文学方法进行河道洪水预报时只需要水文学资料，所以可以考虑在水流条件相对简单且缺乏最近的河道地形资料时用水文学方法进行河道洪水预报。因而，本论文在河道汇流上采用水文学与水力学相结合的方法。同时，为了提高洪水预报的精度，就有必要在水文学和水力学方法中加入实时校正。在实时校正的方法的选择上，论文探讨了两种方法，即衰减记忆最小二乘与BP神经网络实时校正，并对它们的校正结果进行了分析、比较。 计算结果表明，本论文所阐述的水文学与水力学相结合的方法在梧州—高要河道洪水预报上的应用是可行的。