入库洪水预报是水库防洪调度的基础,洪水预报的报期长短及预报的准确性和可靠性,对水库的防洪调度实现防洪减灾和洪水资源化具有重要影响。目前通常的洪水预报方法是,首先根据流域的自然地理状况和观测或调查、考证到的历史洪水信息及相应于该洪水发生时的水情、雨情、自然地理等信息,通过建立洪水与相关水、雨情信息关系或率定洪水预报模型的参数,实现产流量预报,即预报次洪量;然后,同样是依据历史洪水信息及相应于该洪水发生时的水情、雨情、自然地理等信息,分析计算流域单位线,进行流域汇流计算,以推求洪水过程线,从而达到洪水预报的目的。由于所研究的陡河水库流域很小,历史洪水等资料不足,无法采用通常的洪水预报方法进行陡河水库入库预报计算。根据所掌握资料条件,本文建立了基于现代数据挖掘技术的陡河水库的洪水预报模型。通过实际算例表明,本模型计算简便实用、具有一定精度。主要工作如下:(1)对陡河水库流域的历史洪水、降雨及相应的流域自然地理等资料进行分析整理和三性审查;(2)应用遗传程序建立了陡河水库入库洪水的P-Pa-R关系模型;(3)应用BP神经网络,建立了流域降雨-前期影响雨量-洪峰流量的预报模型,为了克服传统BP神经网络初始化时容易陷入局部最优值的缺点,引入模拟退火算法和遗传算法对模型进行参数优化率定,并取得较好的效果;(4)对不同算法的洪水预报精度进行了评定和对比分析。