水文预报是水文科学的重要组成部分,而中长期径流预报又是水文预报的重要研究领域。由于有较长的预见期,故中长期径流预报对水库的优化管理和综合调度有着重要的指导意义。随着时间的推移,传统中长期径流预报方式过程复杂、效率低下、分析不便等缺点日益凸显,已经不能满足生产生活需要。本课题来源于中国水利水电科学研究院汉江流域水资源预报调度系统项目。建立中长期径流预报系统,可随时高效地为相关部门提供年、月等未来长期来水预报,同时用户可根据历史水情情况和系统分析结果制定相关用水调度计划和水资源管理方案,以便及时、准确的采取措施进行水资源统筹安排,有效地解决了传统预报方式的不足,能够提高相关部门的综合效益。本文按照软件工程规范,在系统可行性分析的基础上,对汉江中长期径流预报系统进行了需求分析,包括功能性需求和非功能性需求;介绍了软件体系结构的设计、问题域设计、持久化设计、系统界面设计、以及支持向量回归机(Support Vector Machine for Regression,SVR)模型的参数优化设计;依据前期需求和设计,实现整个中长期径流预报系统。预报模型的选择决定了中长期径流预报的准确度和可信度,也决定着中长期径流预报系统的实用性。在研究国内外中长期径流预报的现状后,通过多方面比较和分析,本文最终选择SVR模型进行中长期径流预报,并针对惩罚系数C、核参数和不敏感损失系数三个模型参数在实际赋值过程中存在计算量大、难以得到最优值等问题,采用粒子群算法(Paticle Swarm Optimization,PSO)对SVR模型的参数进行优化,建立PSO-SVR模型,实现了参数的自动优选。实验结果表明,PSO-SVR模型较之SVR模型,提高了预报精度;较之人工神经网络(Artificial Neural Network,ANN)模型,稳定性更强。目前,系统运行正常,对汉江流域的各大水库、断面的中长期径流预报的效果良好,可为汉江流域降雨、径流预报工作提供数字化决策支持,对提高汉江流域经济带水资源业务管理效率有着重大的意义。