赣江是鄱阳湖水系中径流量最大、河流长度最长、最重要的一条河流。一直以来,赣江流域频繁遭受洪水的威胁。然而,目前长期水文预报仍存在精度不高、预报模型通用度不高等问题,使得其难以有效指导生产实践的问题。长期水文预报在理论研究和实际应用中还相对落后,处于不断发展的阶段。由于江西省省会南昌处于赣江中下游区域,因此,对赣江中下游流域进行中长期水文预报研究有更加重要的意义。本研究选择赣江中下游流域的出口控制站,外洲站作为赣江中下游的代表站,用成因分析、统计分析相结合的方法识别影响水文要素的前期预报因子。然后利用关联规则挖掘分析、人工神经网络分别对赣江中下游流域进行定性预报(对外洲站丰枯水变化进行预报)与定量预报(外洲站年最大洪峰流量进行定量预报),以建立适合赣江流域的简单实用且预报精度较高的预报模型。主要成果与结论有:从定性预报的结果来看,太阳黑子相对数、东太平洋海表海温及西太平洋副高出现异常时会造成外洲站径流量的异常变化,但是这个变化并不是绝对的。而且,从目前已有的数据计算结果,枯水预报的支持度与置信度都远远大于丰水预报从定量预报的结果来看,基于LM改进算法的BP神经网络在对外洲站年最大洪峰流量的预报效果还是比较好,并且随着数据的积累,水文数据序列的不断延长,模型的预报精度还会不断的提高。