智能算法优化神经网络的混合预测模型已经成为近年来研究的热点问题,并且已广泛应用于能源、工程、水文等不同的领域。径流作为水文序列分析中的一项重要因素,其准确合理的预测对于国民经济发展和水利建设具有重要的意义。本文利用MEA、CS、BA算法以及改进的MBA、MeanBA、MCBA和MeanMCBA算法来优化BP神经网络,并将其用于径流序列的预测研究中。首先,分别利用思维进化算法(MEA)、布谷鸟搜索算法(CS)以及蝙蝠算法(BA)来优化BP神经网络的权值阈值参数,并根据日径流序列具有较强的波动性,建立了基于小波去噪(WDN)的三种混合预测模型,实证分析表明WDN-BABPNN和WDN-CSBPNN模型都适合于日径流序列的预测。其次,针对月均径流序列具有较强的季节性,先对其进行季节调整,对调整后的序列分别建立MEABP-BPNN、CSBP-BPNN和BABP-BPNN三种混合模型,实证结果表明X12-BABP-BPNN模型对月均径流序列的预测精度最高。最后,基于BA、MBA、MeanBA和MCBA算法,提出了一种新的MeanMCBA算法,建立了一个新的将线性与非线性分离的混合预测模型DES-MeanMCBABP,且将其用于年均径流的研究,分析对比得出该模型的预测精度高于其他的模型。总之,经过智能算法优化的BPNN模型明显优于单一的BPNN模型,并且改进的MBA、MeanBA、MCBA、MeanMCBA算法优化能力好于未改进的BA算法。