受气候变化和极端降雨事件影响,我国洪水灾害频发且破坏力强,严重影响人们日常生活和生产活动,制约我国社会经济的进步和发展。洪水预报作为一项行之有效的防洪非工程措施,其方法呈现出多样性和智能性,并逐步与智能算法和深度学习等方法相结合,不断由数字化走向智慧化,发展为融合人工智能的预报方法。如何有效提高洪水预报精度,真正做到“提前吹哨”,正逐渐成为当前研究的热点和难点问题。本文围绕河道洪水预报和降雨径流预报两个方向,以罗家庙站以上的资水流域作为研究区域,探究不同洪水预报方法的适用性,提高洪水预报精度,延长洪水预报预见期,发挥防洪预警作用。主要研究内容及成果如下:1、针对传统马斯京根模型演算精度低,参数优选困难的问题,分析河道内洪水传播的非线性规律,构建变指数非线性马斯京根模型（VEP-NMM）,并以堆优化算法（HBO）进行模型参数优选,应用实例对比6种不同优化算法验证了HBO算法具有迭代收敛快、寻优能力强的特点,模型能较为准确的体现洪水波的非线性运动过程,且参数可随河道入流变化而变化,有效提高了河道洪水演算精度,验证了该洪水演算模型具有较好的适用性。同时,针对不同洪水场次洪水特征不尽相同的问题,为探究洪峰量级对模型演算精度的影响,将洪水资料以实测洪峰为标准进行分类,使演算结果更贴近实际洪水过程,改善了河道洪水演算精度。2、为弥补HBO-VEP-NMM洪水演算模型相对不存在预见期的问题,提升河道洪水预报的可预见性,将河道洪水演算与深度学习相结合,建立长短时记忆（LSTM）神经网络河道洪水预报模型,有效延长了河道洪水预报的预见期,可为研究区域防洪防灾提供支撑和保障。同时,为研究洪峰对整体洪水过程的影响,将模型输入样本集以实测洪峰为标准进行分类,并同未分类对比,证明了分类后模型精度明显提升,可进一步提高洪水预报的精度。3、围绕延长该流域洪水预报预见期的问题,进一步提升防洪预警能力。以降雨径流预报为角度,建立新安江模型进行洪水模拟,在延长洪水预报预见期的同时有效提高了模型预报精度,验证了新安江模型在该流域的应用具有可行性。并采用新型算法—HBO算法及SCE-UA算法进行模型参数率定。对比基于两种优化算法的洪水模拟结果,得出HBO算法的寻优能力优于SCE-UA算法,模拟精度高于SCE-UA算法。采用新安江模型进行洪水模拟,通过HBO算法和SCE-UA算法对模型进行参数率定,模拟结果较为可信,可为防洪决策提供科学依据,为下游提供防洪预警。