我国是一个洪涝灾害发生十分频繁的一个国家，洪涝灾害不仅阻碍了我国的社会发展，而且严重的威胁着我国人民群众的人身财产安全。为了减少洪涝所带来的灾害，我国采取了许多防洪减灾的手段，如对洪水进行水文预报，提前做好防御洪水的准备、修建各级大坝进行防御洪水和洪水调度等。在这些防洪手段中，对洪水的水文预报准确度是影响能否做好防洪减灾的一个至关重要的因素。神经网络是水文预报中应用的最广泛的方法，而采用何种预报因子来建立神经网络输入，对水文预报预测结果的精确度有着极其重要的影响。本文将Copula熵理论引入偏互信息(PMI)法中，通过Copula熵来计算互信息值，形成基于Copula熵的PMI法用于预报因子的选取。应用BP神经网络、RBF神经网络、GRNN神经网络建立水文预报模型，采用Copula熵法和相关系数法选择水文模型的预报因子，对长江流域的宜昌站和金沙江流域的屏山站进行了水文预报，并对所得预报结果进行了比较和分析。结果表明：在同种神经网络所建立的水文预报模型中，基于Copula熵选取预报因子所得的预报结果要优于相关系数法所得的预报结果；在同种预报因子的条件下，BP网络模型所得到的预报结果要优于RBF网络和GRNN网络所得的预报结果。本研究基于不同的预报因子和神经网络，建立了水文预报模型，通过比较分析，得到了适合某一特定流域的较为合理的水文预报方案，提高了水文预报的精度，对洪水的资源化和防洪减灾具有极其重要的现实意义。