我国处于季风气候区，暴雨洪水十分频繁，防洪减灾始终是一项长期而艰巨的任务。非工程防洪措施是近几十年来逐步发展起来的一项重要的防洪对策，而流域洪水预报则是非工程防洪措施中一项非常重要的内容。 目前的国内外洪水预报调度系统对历史雨洪信息的利用多集中在进行模型选择、参数率定、可靠性评定等方面，对于如何分析暴雨洪水演变各阶段中的相似性信息，从而有效的应用于实时洪水预报中，尚无成熟的理论与可操作的方法。数据挖掘技术是指从大量的实际应用数据中，提取隐含在其中的、人们事先不知道的、但潜在有用的信息和知识的过程。水文数据挖掘(Hydrological DataMining)是数据挖掘技术在水文领域的应用，是从大量的、不完全的、有噪声的、模糊的、随机的水文及其相关数据中，提取隐含在其中的水文信息和知识的过程。 本文全面分析研究了现有时间序列相似性分析方法的两大关键技术：模式识别与相似性度量的特点，结合水文领域关心的问题与特点，提出了适合水文特性的新的模式识别方法与相似性度量方法，并与已有方法进行对比实验分析。在此基础上构建了完整的暴雨洪水相似性分析模型，并将之应用于实际流域中，验证方法的实用性。 实际应用表明，本文提出的基于改进的模式识别与新的相似性度量方法的暴雨洪水相似性分析模型，在历史暴雨洪水的相似性分析中具有较好的分析效果，虽然仍有一些不足和需要改进的地方，但为暴雨洪水相似性分析及其在流域洪水预报中的应用研究提供了一种新的研究思路，具有较高的参考价值。