该文所研究的降雨径流预报模型是数字清江工程中清江流域水文水情与仿真系统的一个子系统.其任务是根据流域内各水文站点的实测数据,选取降雨量P、蒸发量E作为系统输入,并结合水文学中径流形成过程的原理,计算出口断面的径流量,最后采用卡尔曼滤波进行误差实时校正来提高系统的预测精度.相对于传统的概念型降雨径流预报模型将径流的形成化分成壤中流、地表径流、地下径流分别计算的方法,该文中的预报模型舍弃了复杂的产汇流计算,将流域下垫面视为一个系统,将降雨量分时段作用于出口断面上,其中复杂的产流和壤中、地表、地下汇流过程则采用新兴的人工神经网络方法进行计算.利用其特有的高度的并行性、良好的容错性与联想记忆能力、强大的自适应自学习功能,使其从大量的水文数据中发现并记忆其内在规律,从而对出口断面的径流量进行预报.最后,采用卡尔曼滤波对预报误差进行实时校正,以保证预报精度.该系统输出的出口断面流量结果可以有效的解决河道洪水计算中的区间入流问题对计算结果的影响,提高洪水预报的精度.而且由于降雨径流的产流和汇流时间相对于洪水波的传播时间要长的多,所以可以大幅延长洪水预报的预见期.经过仿真计算检验,该方法能非常准确的预测降雨径流的洪峰流量,经过误差实时校正系统的校正,完全能够满足系统的需求.