降水是水循环系统中最重要的变量之一,雨量站网作为获取降水数据的重要来源,为水资源管理和决策提供了基础资料的支撑。因此,对雨量站网的空间规划和优化布设需要科学合理的论证。优化后的雨量站网在节约资源和提高经济效益的同时,能够为水文工作开展和科学研究提供更有效的信息。信息熵理论对随机变量的不确定性进行量化,可用于度量水文数据收集系统的信息获取和传递能力,近年来在水文站网优化设计领域已得到广泛关注和研究。本研究针对信息熵理论在雨量站网优化设计上的应用,基于目前三种研究思路进行优化和创新。第一种思路为现有的雨量站网或候选站点提供最优的站点组合或站点排序,其中排序既可以基于特定的衡量指标,也可以按照目标函数依次进行贪心选择。第二种思路通过研究雨量站点之间信息传递的空间分布模式,计算站点之间的最小地理距离或使用信息地图来评价雨量站网。第三种思路利用多目标优化生成最优站点组合的帕累托解集,此种情况下的解决方案则具有多样性。首先,论文针对一种基于最大信息最小冗余准则（Maximum Information Minimum Redundancy,MIMR）的贪心排序算法,在站网优化过程中引入时间变异性分析。在滑动时间序列和不同的气象条件下,对长江流域的上海市和黄河流域的西安市两个雨量站网进行了优化和分析。研究发现,利用不同时期或不同气象条件的观测序列得到的最优雨量站网具有差异性,表明站网优化设计需要充分考虑时空边界条件和气象驱动因素。为此,研究提出了一种考虑时间变异性的动态站网优化评价框架,按照固定的时间窗宽生成滑动时间序列,并对不同时间序列下的站点重要性进行排序,进而通过站点排序紊乱指数和排序时间波动可以识别短暂性重要或冗余的雨量站点,并为决策提供相关建议。其次,论文对比了基于信息-距离空间分布传递模式的信息传递模型和基于地质统计学克里金插值技术的数据传递模型,并在增设站点方面进行应用评价。在数据有限或缺乏观测资料的地区,增加站点是站网优化设计中的一大挑战,信息熵的空间传递模式和地质统计学插值技术是解决这一问题的两种方法。研究结果表明,信息传递模型比数据传递模型能更好地估计站对间的信息传递。进而利用有向信息传递指数（Directional Information Transfer,DIT）,对不同的代表性站点对其他雨量站的信息传递进行计算和评价。对于信息传递模型和数据传递模型,通过代表性较好的多个站点对指定地点的多维信息传递量（视为信息冗余）,选择信息冗余最少的地区作为新增站点最优选址。最后,论文结合了多目标优化和人工神经网络,提出了一种两阶段的雨量站网优化应用于径流预测的方法,验证了站网优化与模型应用相结合的可行性。第一阶段进行多目标优化,目标函数分别利用总相关作为站点信息冗余的指标,多维信息传递量作为降雨和径流相关性的指标,以及纳什效率系数作为面平均降水量估计精度的指标,多目标优化求解方法采用带精英策略的非支配排序遗传算法（NSGA-II）。第二阶段进行神经网络径流模拟,对站网优化结果进行验证。以渭河流域重要的出口水文站——华县站作为径流模拟的目标站点,结果表明优化后的雨量站网能够在站网布设效率和径流预测精度之间实现平衡。论文的主要创新性在于:（1）对于边界条件动态变化的站网系统,基于滑动时间窗、MIMR排序算法和站点排序紊乱指数提出一种动态雨量站网优化评价框架,有助于将时空分析集成到站网优化设计中;（2）针对站点之间的空间相关性和信息传递模式,尤其对于增设站点或数据匮乏问题,表明了信息传递模型在刻画站点空间信息分布方面的优势;（3）结合了多目标优化和人工神经网络,提出了一种雨量站网优化应用于径流预测的方法,通过信息传递量将降雨-径流关系纳入站网优化过程中,从水文预报角度提升了站网优化的实际意义。