太湖流域是智慧流域建设的试点流域,其建设旨在为流域的水资源优化配置和调度提供科学、准确的决策支持。完善的流域水资源调度系统依赖于高时空分辨率的流域水情预报以及有效的调度方案制定方法,本文在此基础上,运用基于深度学习的水文数据挖掘技术,展开对太湖流域水情预报模型以及相似调度场景搜寻的联合研究,通过预报结果以及相似调度方案共同为太湖流域的水资源科学调度提供强有力的决策支持。为了准确预报太湖流域预见期内水情变化过程,本文首先提出时空数据整编技术,将流域内的降雨、水位点数据渲染成整个流域范围内的时空数据,在此基础上基于深度学习分别构建考虑预见期降雨预报与不考虑降雨预报两种情况下太湖流域高分辨率水位预报模型。根据太湖流域内的历史水位、降雨数据资料,对高分辨率水位预报模型进行了评估,验证了预报模型的精准性,且整体预报效果表明,有无降雨预报的情况下,模型都能较为精准的预报出未来三天太湖流域的水情趋势。为给太湖流域这一复杂河网流域提供水资源调度方案支持,本文提出基于水文相似场景的流域水资源调度支持模型。首先通过结构相似性度量算法（SSIM）、欧氏距离法计算出各水文场景间参照期与预见期流域整体雨水情以及流域内其它重点水文要素的相似度,在此基础上模型通过深度学习算法建立当前水文场景与历史水文场景的参照期与预见期之间各水文特征的相似度映射关系,最后计算出各历史场景的BORDA数以确定最相似的历史场景,以此提供调度方案移植或参考。通过模型整体评估指标以及汛期、后汛期、非汛期三种典型案例的计算与结果可视化对比,证明模型能准确的找寻出预见期对应的最相似历史场景。