水文预报中，通常将预见期在3至10日的预报称为中期预报，预见期在15天以上、一年以内的预报称为长期预报。鉴于流域尺度降雨的中期预报和径流的长期预报在防洪和水资源管理中的重要作用，而目前预报方法还不够成熟完善，本论文从能投入生产实际的角度出发，对降雨中期预报和长期径流预报问题进行了探讨。 在中期降雨预报的研究中，选取10个高空站的850hpa、700hpa、500hpa3个等压面上的5项气象要素作为初选相关因子，预报预见期为3天。先用“K-均值法”对所有降水个例进行分型；再用相应雨型的各旬内逐日雨量级别作为预报对象，与前第3天的高空气象资料建立对应关系，采用“判别式法”计算相关系数，选取判别各旬雨型和预报逐日雨量级别的相关因子；用“两级判别”方法建立判别雨型的方程；采用“多级判别方法(费歇尔准则)”建立预报逐日面平均雨量级别的方程。以潘家口水库和岳城水库流域中期降雨的预报为例，对该预报方法进行了检验，结果表明，方法有较高预报精度，可用于生产实践。 在径流长期预报的研究中，分别采用统计预报方法和人工神经网络模型进行逐月径流预报研究。选取北太平洋海温、北半球500hpa和100pha逐月平均高度场3个气象场要素作为预报逐月径流的相关因子。统计预报方法采用多元回归、逐步回归、逐步判别分析、极大熵谱分析，自适应自回归方法，AR(P)模型6种方法，并根据各模型的模拟精度确定权重，对各模型的预报值进行加权平均，得到一个综合的预报值。人工神经网络模型采用BP算法建立预报模型。本文采用建立的预报方程对长江大通站1996—2000年进行了试报，结果表明，两种方法的试报效果均较好。 本研究中选取的气象因子是影响中长期天气过程变化的主要气象因素，而且较为常用并容易获得，保证了建立的预报方案在实际水文预报工作中的可操作性，预报结果可供实际借鉴。