入库径流的不确定性和水库运行的多目标需求对水库的运行调度提出了巨大的挑战。可靠的入库径流预报可为水库调度决策提供重要支撑。径流受多重因素的影响,形成机制复杂,虽然在预报模型方面已开展了广泛的研究,然而如何从诸多入库径流的影响因素中间优选出数量有限、影响程度高、独立性强的模型输入变量集,相关研究并不充分。此外,由水库运行引起的生态环境问题也愈加突出,如何在水库运行中,尤其是鱼类生理活动关键时期,尽可能减少水库运行对鱼类的负面影响也是当前研究的热点。本文从径流影响因子多级筛选,考虑生态补偿、水电出力波动的水库多目标优化调度及预报不确定性对优化调度性能的影响三方面开展研究。主要研究内容及结论如下:（1）采用多种筛选方法对径流影响因子进行多级筛选,首先分别利用相关系数法和灰色关联分析法GRA（Grey Relational Analysis）初步筛选出与径流高度相关的要素,在此基础上,采用主成分分析法PCA（Principal Component Analysis）进一步消除冗余信息,提取主成分,然后结合门控循环单元GRU（Gated Recurrent Unit）神经网络构建了四种基于不同输入方案的径流预报模型。结果表明,GRU-G15-PCA的预报合格率最高,为87.81%,达到甲等预报精度;各模型预报合格率均在77%以上,表明GRU模型在径流预报中具有良好的适用性。（2）基于波动识别算法FIA（Flow Identification Algorithm）和涨水次数、持续时间等流量过程特征参数,建立了综合考虑鱼类产卵季生态补偿和水电出力波动的多目标优化模型,并采用NSGA-Ⅱ算法（the Elitist Nondominated Sorting Genetic Algorithm）求解得到Pareto最优解集,分析不同水文年两个目标之间的竞争关系。结果表明,两目标整体表现出较强的竞争关系,经过优化调度,可以在兼顾生态补偿的同时提高发电稳定性;对于出力波动最小和生态评分最高的调度方案,发电稳定性分别可提高5.75%和1.09%以上。（3）将径流预报结果输入多目标优化调度模型,分析预报不确定性对优化调度性能的影响。结果表明,当径流预报存在不确定性时,水库优化调度水平明显降低。