径流随机模拟旨在通过建立随机水文模型描述水文系统各要素之间的相互关系、预估系统未来水文情势以及分析水文水资源系统的演化趋势。如何准确描述径流序列之间的复杂关系,保持实测序列的统计特征,提高模拟精度,是贯穿流域水资源规划、设计、运行与管理利用的关键要素。基于核密度估计的非参数模型克服了参数模型需假定径流序列的概率分布和相依形式等不足,可以捕捉历史序列间的相依特性,再现径流实测序列的非线性、状态相关性和多峰性。但现有非参数模拟方法会产生过于接近历史序列值,并且可能会出现参数模型同样存在的产生负值等问题。基于最大熵和Copula理论的径流随机模拟方法能够在无需线型假设、正态变换的情况下,能够避免模拟序列中产生负值。然而,月径流间的相关关系是复杂多变的,通常依靠单个Copula函数构建联合分布无法准确全面地刻画月径流序列之间的非线性相关关系。基于上述问题,基于非参数核密度估计理论,本文总结了非参数核密度估计模型（NP）和NPL模型的原理和算法,以及基于非参数解集模型的原理和建模思路,提出改进非参数解集模型,并以黄河流域四个水文测站（兰州站、民和站、龙门站、白马寺站）天然年、月径流资料为研究对象,开展月径流随机模拟研究。另一方面,应用最大熵原理建立边缘分布、Copula理论构建联合分布构造了Entropy-Copula模型,并在现有的最大熵-单一Copula模型基础上,提出最大熵-混合Copula模型,并以黑河流域（莺落峡站）、渭河流域（华县站、临潼站、状头站）共四个水文测站的天然年、月径流资料为研究对象,探讨两模型的月径流模拟应用效果。具体取得以下主要结论:（1）非参数核密度估计模型（NP）更擅长保持实测径流序列均值、标准差、最大值和偏态系数方面的统计特性。由于NPL模型引入聚集变量,使得NPL模型在描述长期依赖性和再现原径流序列概率密度分布的偏态性和平顶性等特征时表现更好。（2）改进非参数解集模型（GJNPDM）和传统非参数解集模型（NPDM）描述各站径流序列的均值、标准差、变差系数和月径流间相关性等统计特征时模拟效果均较为理想。基于总量和分量前期值对变量的综合影响以及可变核修正带宽系数,减少了边界影响等因素,GJNPDM模型四个站点的均值都保持在一个均方差标准下,标准差、一阶自相关系数（R1）控制在两个均方差标准下的月份达100%。对于原序列的月径流量之间及月径流量和年径流量之间相关关系、状态相关统计特性的再现能力要优于NPDM模型,更具优越性。（3）在研究区内,非参数解集模型及其改进模型对于各站点月径流序列的统计特性相较非参数核密度估计模型或NPL模型保持更好,适合应用于月径流随机模拟。（4）基于超线性收敛、公式简单、计算量小的共轭梯度法求解最大熵边缘分布的拉格朗日乘子,不需要对历史序列的边缘分布做任何假设,能够用于非正态数据序列模拟。最大熵分布相比较Weibull、GEV和Log-logistic分布月径流边缘概率分布拟合效果整体更优,并且无需进行分布线型假设,保持实测数据的统计特征。相比于Clayton Copula、Gumbel Copula和Frank Copula三种单一Copula函数,混合Copula函数适用于莺落峡站、华县站、临潼站和状头站的月径流联合分布模拟,是较优分布,在整体上能够更全面地拟合月径流量间的联合分布关系。最大熵-混合Copula模型克服最大熵-单一Copula函数难以准确全面地描述径流联合分布的不足,较好保持了实测序列均值、Pearson、Kendell、Spearman相关系数等统计特征,能够刻画月径流复杂的非线性相关性。