磨刀溪流域是长江上游具有代表性的中小型山区流域，本研究收集有流域内长滩水文站降雨径流资料，以及鱼龙、建南、谋道、龙驹四个雨量站的的降雨资料。首先，从周期性、趋势性、突变性三个方面分析磨刀溪水文序列的特性；其次，从相对误差、绝对误差等指标研究了传统和新兴两类预测模型的精度；然后建立了小波分析和人工神经网络耦合的WNN模型，并探究了水文序列的尺度和复杂特性对模型精度的影响；最后，基于遗传算法的全局寻优特性，优化了WNN模型的阈值、权值、时间尺度因子等模型参数，最终建立了优化的WA-GA-ANN模型。长滩站是磨刀溪流域唯一的水文站，也是集雨面积最大的控制站，分析该站的降雨径流特性，希望可以为磨刀溪全流域的防洪减灾、水资源统一规划利用提供科学指导。联合鱼龙、建南、谋道、龙驹四个雨量站的降雨序列，建立的全流域降雨预测模型，希望可以为该流域甚至中小型山区流域的中长期水文预报做贡献。本文主要研究结论如下：
　　(1)论文采用趋势回归法、Mann-Kendall秩次相关法、滑动平均法识别该序列趋势项；采用时序累计相关曲线法、有序聚类法识别龙角站年径流序列跳跃项；采用傅里叶分析、最大熵谱分析、小波分析进行周期识别。经过对龙角站1959~1990年和长滩站2001~2010年的降雨序列进行分析，发现该站的控制流域内的降雨具有2a尺度的周期性，降雨量总体呈增加趋势，但在1963年~1966年间和1982年~1988年间降雨量有减少的趋势，径流由于受到人类活动的影响，在2001年产生突变点。
　　(2)论文从小波消噪、分解层数确定、小波方法的周期分析等方面详细研究了小波方法体系。运用史坦SURE法和熵准则阈值选取法优选了小波消噪阈值，将这两种阈值选取方法运用到鱼龙站的降雨序列消噪，发现消噪后的序列峰值明显减小，即序列的系统误差减小。同时，提出白噪声检测的小波分解层数确办法，鱼龙站的降雨序列长度192，小波最优分解层数为2，这与经验公式得到的最大分解尺度相符。
　　(3)论文以鱼龙站的降雨序列为例，运用自回归、模糊分析、灰色系统分析分别建立预测模型，比较原序列和模拟序列的残差、相对误差等指标，发现新兴类模型准确、高效、可操作性强。还探究了BP网络、RBF网络、GRNN网络的模型原理，并基于建南、谋道、龙驹的雨量资料、和龙角站的降雨径流资料建立预测模型模拟龙角站的日最高水位，发现GRNN网络模拟序列的特征值更接近实测序列。
　　(4)论文将原始序列采用熵准则消噪，并采用白噪声检测方法确定分解层数后再带入小波分析和人工神经网络耦合的WNN模型。以鱼龙站2001年~2016年的月降雨序列和日降雨序列为例，研究了时间序列尺度对耦合模型预测结果的影响，发现序列越长、时间尺度越小预测结果越精准。再以鱼龙站2001年~2016年的月平均降雨、水位、流量序列为例，探究序列复杂程度特性对耦合模型预测精度的影响，发现序列本身越复杂，预测精度越低。最后本论文针对小波神经网络权值、阈值设定等问题，建立了一套遗传算法优化模型参数的小波神经网络模型。