科学家和决策者提出的科学问题需要集成构建跨学科界限的模型来解决，因此建模界面临一个难题:如何使现有的不同学科模型进行最有效的交互操作与集成。本文基于建模框架实现模型集成，为复杂系统的模型构建提供新的视角。在HOME框架下通过已有模型的模块，组装成新的模型，完成水文模型开发与应用。HOME集成建模框架可以为模型应用者提供方便快捷的模型耦合平台，平台使水文模型研究者主要研究生态、水文的相关理论与应用，而不用担心耦合的技术实现。平台支持与模型应用有关的所有工作，包括数据、参数、优化、方法等，它不是只支持一两个特殊的模型，而是着眼于整个建模的生命周期，通过这个集成环境达到模型代码的重用与共享，将独立的模型转换成可扩展的模型，对于生态、水文相关科学问题的研究具有重大的意义。本文通过PRMS与MODFLOW对黑河上游、与中游的地表水与地下水模拟，模拟结果验证了建模框架的有效性。主要研究内容包括：　　⑴依据HOME建模框架的标准与规范形成模型分解与重构的方法与思路，并设计完成HOME核心功能模块中模块耦合功能的实现过程与相关功能描述。模块的分解主要按照水文模型构建的物理过程与相关的数学模型分解，将模型分解为模型、模块与通用方程。分解的过程遵循模块高内聚低耦合、分解后模块的改动影响到其它模块的相应改动很少或不影响的要求分解模型，以提高已有代码的重用率及后期维护的效率，方便模型的重新构建。　　⑵模块的重建过程将独立的模型按照IRC标准接口划分为5个部分:Initialize()、Run()、Clear()、GetValue()、SetValue;其中前三个部分是平台的外部接口，通过函数调用组件可以使模型运行，通过后面的两个数据访问存取接口可以使模型之间联系起来（耦合），并通过XML语言确定模块运行的先后顺序，最终完成模型、模块或者通用方程在HOME中模拟运行水文过程。　　⑶通过地表水模型PRMS与地下水模型MODFLOW的分解与重构，并分别在HOME框架下对黑河上游的地表水与黑河中游得地下水进行模拟运行，进行建模框架的有效性验证;通过地下水模型MODFLOW的STR模块完成黑河上游地表水PRMS模型与地下水的松散耦合模拟研究，均得到了可靠的结果，证明了框架的有效性。　　⑷应用HOME的方法库，以小波分析、分形维数、神经网络等方法为例，形成了在线方法应用的技术流程。将小波分析、分形维数、神经网络结合起来定量描述地下水变化的特点:包括变化的总体趋势、周期趋势、复杂性与随机性。应用小波分解将地下水埋深时间序列分成三部分:CA2，CD1和CD2。近似部分CA2反映了地下水埋深时间序列变化整体趋势，细节部分CD2反映了地下水埋深时间序列变化周期趋势，细节部分CD1反映了地下水埋深时间序列变化随机性与复杂性，这三部分的分形维数可以作为定量标准来揭示地下水埋深时间序列变化的复杂性和随机性，分形维数与小波分解的结合来研究地下水变化的随机性与复杂性也是本文研究的创新之处。通过山丹桥、流泉、下安几个不同变化特点的观测井地下水埋深数据的分析，在变化复杂即细节部分CD1分形维数较高的山丹桥监测站，只有小波神经网络可以得到可靠的结果，其他神经网络方法不能达到可靠的模拟精度。而在分形维数相对较小的流泉与下安测站神经网络与小波神经网络都可以得到可靠的结果，但小波神经网络精度较高，主要是由于经过小波分解后，小波神经网络方法能够更好的扑捉到地下水埋深数据的细节信息，得到更精确的结果，特别是对极值预测精度较高，说明了它通过小波分解的细节信息得到了更多的随机变化信息。对物理模型与经验模型模拟得到的地下水埋深结果进行比较分析。