中长期径流预报是水利水电工程施工和运行管理的重要依据，在防汛、抗旱、供水、发电及改善生态环境等方面起着至关重要的作用。在我国水资源调度和管理的长期实践中，中长期径流预报的重要性愈加突出，生产实践对中长期径流预报的精度也提出了更高的要求。随着人类活动的加剧，兼受气候因素的不确定性影响，导致径流在时空分布和数量上发生变化。深入挖掘径流的分布特性，以此为基础建立合理可靠的预报模型，是实现准确预报的前提。研究者需要根据观测数据分析水库入库径流的特性，总结径流演变规律，以便建立更可靠的中长期径流预报模型。　　本文以桃林口水库天然入库月径流资料为研究背景，主要进行了以下研究：　　（1）系统分析桃林口水库入库径流的年内、年际、代际变化，利用Mann-Kendall检验法和重标极差法进行径流序列的趋势性及持续性检验，预估径流在未来可能出现的变化趋势。　　（2）在分析径流序列趋势性的基础上，利用Mann-Kendall秩次相关检验法分析径流序列的突变点。针对径流序列变化的多时间尺度性和复杂性，采用希尔伯特—黄变换对其进行周期性分析。　　（3）建立中长期径流预报模型，并具体应用于桃林口水库入库径流预报。首先，采用基于级别特征值的单要素模糊推理方法，结合前文分析出的径流波动主周期作为预报因子数，避免了大量的重复计算。其次，建立BP神经网络模型，为了克服传统BP神经网络初始化时容易陷入局部最优值的缺点，引入遗传算法寻找最优权值和阈值。最后，对比分析两种方法的预报结果，选出适合桃林口水库中长期径流的预报方法。