本文基于文献[1]已有的洪水预报方法，对在论文中余留的问题进行分析做出改进。针对其预报流程，存在缺点，其一，聚类特征仅仅选择了两个特征是不严谨的，影响洪水的因素很多，这样聚类会损失很多有用信息，其二，其直接聚类为3 类，并没有对多个聚类数下的情况做讨论得到最优聚类。针对此类问题，我们做如下改进，在模糊C 均值聚类前，增加影响洪水的属性，改进文献[2] 中的PCA 分析法(增加KMO 检验与Bartlett 检验用来判断数据集做提取的优劣，增加碎石图来确定提取主成分的个数)，用来处理数据，能有效地过滤掉无用及冗余信息，并且能对高维数据进行降维，然后基于处理后的数据在不同聚类数下聚类，利用伪F 统计量来判断最优聚类数，然后利用BP 神经网络作为输出进行在线分类。经过改进，我们发现系统能很好进行洪水的分类并且克服原来的缺点。