在水资源开发利用过程中,实时而准确的日径流量预报在减少灾害、防洪调度等方面起到了巨大的作用。本文将传统的小波分析理论和人工神经网络模型相结合,并将所得到的小波神经网络模型用于流域的日径流预报。首先通过小波降噪实例研究,证明利用小波预先对水文时间序列信号进行降噪声处理可以有效的提高预报的精度。接着通过分析比较,提出了一种优化的样本数据选取模式。该模式既能考虑到季节因素,又能兼顾考虑时间序列的相关性对径流序列的影响。然后将选取合适的样本序列利用小波变换分解为不同的频段的子序列,以小波分解系数作为神经网络的输入,以径流量的时间序列作为输入,对BP神经网络模型进行训练、测试。训练好的网络权重表征了各频率段的预报因子对该流域日径流量时间序列的影响。为了验证模型的有效性,我们从评定径流预报模型有效性的两个方面对小波神经网络日径流预报模型进行了对比验证:在日径流预报的精度上,我们通过将小波神经网络模型与多种模型预报结果比较证明了小波神经网络能有效的提高日径流预报的精度以及合格率;并将该模型进一步应用于不同预见期的日径流预报对比研究。通过对模型的气候适应性研究,推断出小波神经网络模型是一种适用于干旱地区的日径流预报模型。