数据作为水文模型的基础要素,对模型的正常运行和结果有重要影响,受到数据采集、数据传输和数据存储等诸多因素影响,数据异构、质量不高和难以支撑复杂业务应用已经成为影响径流预报的主要问题之一,如何对多源数据进行融合、提高径流预报模型的鲁棒性以及支撑径流预报业务等是急需解决的问题。选取黄河最大支流渭河流域作为研究对象,剖析流域降雨径流时空变化特征,对多源数据进行集成、检验和融合处理;基于多源数据融合构建径流预报模型,采用组合预报思想对多个径流预报模型进行融合,提升模型预报性能;设计并研发径流预报业务应用系统,提供径流预报业务应用,为渭河流域水资源管理决策提供参考。论文取得的主要成果如下:（1）提出了多源数据融合的业务应用新模式。剖析了流域降雨和径流时空变化特征,根据流域数据的客观实际以及存在的数据异构、冗余和缺失等问题,提出了多源数据集成、质量评价与融合处理方法;以面向业务提供数据服务为导向,采用了多源数据融合算法,在对接业务应用过程中提高数据质量和数据中心的管理效率;通过实例对数据插补、数据质量检验、多源数据融合等进行验证。结果表明:通过数据融合能够有效的将多源异构数据进行物理上和逻辑上的融合,基于数据中心能够提高多源数据的管理效率;Prophet模型能够对缺失值进行有效插补,采用地理加权平均和神经网络相结合的方法能有效提升数据集的质量（2）构建了基于多源数据融合的径流预报模型。基于多源数据融合,选用SWAT模型、神经网络模型、随机森林回归模型和XGBoost回归模型,针对不同数据源对不同模型进行融合;对模型参数进行率定和验证,并在渭河流域对模型进行应用。结果表明:不同数据源、不同模型、不同预见期径流预报性能存在差异,总体上,所建立的模型能够满足径流预报需求,且神经网络模型预报性能更好。基于神经网络模型的月径流预报结果相比其他模型更好,其中,林家村站神经网络模型分别比SWAT模型、随机森林回归模型和XGBoost回归模型的均方根误差降低了 3.4 m3/s,14.78 m3/s和15.59 m3/s;咸阳测站降低了 35.63 m3/s,23.73 m3/s 和 25.35 m3/s;华县测站降低了 28.09 m3/s,19.34 m3/s 和 13.14 m3/s。（3）验证了融合组合径流预报模型的有效性。依托多个数据源对SWAT、神经网络、随机森林回归和XGBoost回归等模型进行线性组合和非线性组合,从数据源头和预报中间结果,提出了不同融合组合策略,通过实例对融合组合预报模型的有效性进行验证。结果表明:融合组合预报模型能够有效提升径流预报性能,不同融合组合策略对模型预报性能提升存在差异。月径流预报中误差平方和倒数融合模型的预报性能最好,均方根误差分别为10.15 m3/s,32.08 m3/s和49.66 m3/s;日径流预报中非线性组合模型均方根误差分别降低了 2.75 m3/s,53.99 m3/s和19.25 m3/s,可见融合组合预报模型相比传统单一模型性能更好。（4）研发了基于综合集成的径流预报业务应用系统。基于数据中心对数据与业务进行融合,面向流域径流预报的不同需求,采用支撑平台、组件、知识图等技术,建立了支撑业务应用系统的组件库和模型方法库,综合集成实现了可视可信的径流预报业务应用系统。结果表明:基于综合集成技术能够将多源数据和复杂的径流预报业务进行有机融合,依托支撑平台搭建的业务应用系统可视可信,组件化开发方法提高了模型开发速度、业务应用效率和系统推广应用的适应性。