近几十年以来，随着我国经济的发展，各大流域内都规划并兴建了一批综合利用效益显著的大中型水库，但这些水库在承担防洪、发电、航运、环保等任务的同时，也不可避免地改变了流域水文情势，而掌握准确的流域水文规律是开展水资源研究和规划的必要前提，也深刻影响着国家宏观政策走向。因此，本论文围绕水利工程胁迫下的流域水文情势变化问题，从流域径流预测、水库调度规则提取、流域调度模拟等方面展开了深入研究，将深度学习算法与水文预报、水库调度问题结合，以期掌握流域径流变化过程，直观反映水库调度运行情况，为决策者进一步制定流域规划提供参考。论文的主要工作内容和创新点如下：
　　(1)针对径流时间序列模态混杂造成的预测难度大、极值预测效果差等问题，本文提出了一种基于模态分解和深度学习的中长期径流预测算法(SA-CEEMDAN-LSTM)，算法按照“优化-分解-预测-合成”的思路对径流进行预测，把原本模态混杂的径流时间序列分解为成分单一的子序列，使预测算法的拟合性能得到进一步发挥，提高了算法对径流极值的预测能力。以金沙江中游攀枝花水文站和雅砻江流域小得石水文站作为研究对象，预测其旬尺度径流过程，结果表明本文提出的SA-CEEMDAN-LSTM径流预测算法预测结果相对误差均在10%以内，峰值预测效果最佳，解决了传统方法径流极值预测效果差的问题，实现了中长期径流的高精度和自动化预测。
　　(2)围绕流域中各水库调度计划难以实时共享问题，本文提出了一种自适应矩估计改进深度神经网络调度规则提取算法(SA-Adam-DNN)，通过优化深度神经网络参数更新方式和组织结构，提高网络的拟合精度和鲁棒性，更准确的提取水库调度规则，模拟调度计划未知水库的运行过程。以金沙江中游观音岩水库、雅砻江流域锦屏一级水库和二滩水库作为研究对象，提取各水库旬尺度调度规则，模拟各水库旬尺度调度运行过程，结果证明本文建立的SA-Adam-DNN水库模拟调度模型能准确描绘不同水库调度运行工况，解决了调度计划未知水库的运行模拟问题，为探究流域多业主水库运行规律提供参考。
　　(3)为弥补当前径流预报模型和系统难以考虑水库调节影响的局限性，本文建立了一套流域水库群调度模拟技术和系统架构，采用本文介绍的径流预测方法和水库调度规则提取算法，按照“预报-修正-模拟”的流程，考虑了流域水文预报、水利工程联合胁迫对流域径流变化情势的影响，实现了任一流域径流的整体性连续预测和模拟，进一步地，结合工程实际需求，提出了基于微服务架构的长江上游水库群模拟系统，实现了不同逻辑业务、前后端业务的分离，有效提高开发效率，本文所构建的长江上游水库群模拟系统部分成果已应用于三峡梯级调度中心“金沙江-三峡梯级电站水资源管理决策支持系统”，并取得了良好的效果。