我国城镇化建设导致不透水下垫面面积大幅增加,使得水文过程发生剧烈变化,造成城市内涝风险日益加剧。准确、及时地对城市内涝进行实时模拟与预警预报,是减少内涝致灾损失的重要手段,也是智慧城市与海绵城市建设的核心内容。因此,论文以秀山县海绵城市建成区为研究区域,开展城市内涝实时模拟系统研究。首先利用MATLAB软件与雨洪管理模型（SWMM）接口程序,结合遗传算法（GA）与BP神经网络算法提出了改进型SWMM参数自动率定技术;基于雷达基本反射率图像信息的数学形态学处理手段,提出了一种适用于气象资料严重匮乏条件下利用气象雷达图信息实现单站雷达覆盖区域内降雨预报的方法;利用百度地图接口程序并结合MATLAB和PYTHON语言程序,实现了研究区域内道路易涝点的可视化预警预报。主要研究结论如下:（1）针对SWMM模型水文参数率定存在参数范围控制不便、工作量大等问题,利用MATLAB与SWMM之间的交互接口程序,构建了研究区域的SWMM模型,利用BP神经网络建立了参数自动率定优化模型。在此基础上利用GA算法对优化模型进行求解,获得SWMM模型参数的最终率定值,并采用实测降雨径流数据进行验证,纳什效率系数（NSE值）高达0.786,管道水深的均方根误差（RMSE）仅为0.042 mm,满足模型应用的精度要求。（2）气象雷达图显示的风暴云团具有极强的不规则性,导致传统降雨预报方法普遍存在累积误差大、云团追踪易丢失、气象资料依赖性强等问题。采用正向二值化方法对原始雷达图进行预处理,降噪效果优于大律法（OTSU）的阈值分割效果,而降维效果与运算速度优于模版运算法。利用Bwperim-Imfill算子可实现雷达图中分散且不规则云团边缘的有效检测,在此基础上提出的风暴云团追踪模型可识别云团移动方向,估测到达研究区域的时间（即降雨时间）,可有效避免云团追踪丢失问题。结果表明,在气象资料严重匮乏条件下,利用风暴云团追踪模型并根据未拟合的经典Z-R关系式可实现单站雷达覆盖区域内的降雨预报。最大降雨强度预报误差为10%,降雨发生时间预报误差为3 min,降雨结束时间预报误差为16 min,NSE值高达0.710,降雨强度的RMSE值为12.05 mm/h,满足模型应用的精度要求。（3）针对GIS、Cesium等可视化平台存在可视化效果不佳,可视化操作较复杂等问题,利用百度地图提供的热力图可视化接口程序实现了城市内涝风险的可视化。结合MATLAB和PYTHON语言程序,将SWMM自动运行模块、结果提取模块、降雨预报模块和可视化模块相结合,构建了城市内涝实时模拟系统。将构建的系统在秀山县进行了应用,研究发现利用雷达信息可高精度预报两场降雨过程,并对城市内涝过程进行了可视化预警预报。结果表明,秀山县老城区部分路段因排水管网老旧,甚至存在逆坡现象,容易发生积水内涝,后期应作为重点预警预报区域。