我国水资源短缺、水旱灾害频发，对水文预报和预测的需求巨大。水文模型不仅是水文预报和预测的主要工具，也是研究其他水问题的重要工具，但水文模型中广泛存在参数、输入和结构等不确定性，降低了其应用的价值。本论文研究旨在构建水文模拟的贝叶斯统计推断模型，用于评估和诊断水文模型不确定性。论文构建了水文模型系统的层次贝叶斯模型，并提出了基于马尔可夫链蒙特卡洛混合采样策略的求解方法。采用层次贝叶斯模型描述输入误差的层次分布特征，根据流域中各雨量观测站的相对误差来估计降雨的不确定性。为了推导实测流量数据的似然函数，通过径流划分降低数据的异方差性，采用一阶自回归模型描述时间序列的自相关性。贝叶斯模型求解的混合采样策略综合了MH采样、DRAM采样和Gibbs采样等方法，提高了贝叶斯模型的求解效率。为了验证贝叶斯模型的有效性，论文选择华北平原典型农田，估计了一维分层土壤水分参数的不确定性。利用农田原位多层土壤含水率的观测数据，利用贝叶斯模型反演得到了分层土壤的持水和导水特征参数，根据土壤参数后验分布中值模拟得到的土壤水分运动过程，比基于实测参数的模拟结果具有更高精度。采用论文构建的层次贝叶斯模型研究了分布式水文模型（GBHM）在山洪预报中的不确定性。基于合成数据试验和实际数据的应用结果表明，贝叶斯模型有效地估计了GBHM参数的不确定性，并合理给出了基于GBHM的洪水预报不确定性。基于考虑输入不确定性反演得到的参数后验分布，GBHM模型预报得到的流量系列的概率分布与实测数据具有更好的一致性。降雨误差的后验估计值存在空间负相关关系，说明合理估计分布式模型的输入不确定性还需要更多的信息。为了分析水文模型结构不确定性，在贝叶斯框架下引入了可行域为[0,1]区间的残差独立性置信度系数（RIC），建立了经验贝叶斯模型。试验研究表明，RIC的最优值既是对模型结构不确定性的评估，也可作为参数反演中判断匹配不足与过度匹配的依据。当模型系统误差增大时，RIC系数的最优值随之降低。基于贝叶斯模型，采用新安江模型和GBHM分别在滁洲流域和赣江流域开展了洪水概率预报，预报不确定性与实测流量数据中反映的不确定性较为一致。论文的主要创新点在于发展了层次贝叶斯模型和经验贝叶斯模型并成功应用于水文模型参数率定和洪水概率预报，为水文模型中的应用推广提供了理论基础。