实现江河水资源的科学利用和发展,需要对流域各类水文监测站点采集的数据进行深入的分析,以了解流域的内在规律和各种特征之间的内在联系。一方面由于监测站点的观测设备和观测条件的不同,很多河流没有系统完整的数据,又有很多河流采集的数据资料冗长复杂,为研究和应用带来了困难；另一方面监测站点的布设大多由经验选定位置,可能出现监测站点的分布不能反映流域特征的情况,或是分布过于密集,出现重复建设的情况。因此采集的流域信息存在复杂性、主观性和不确定性的特征,需要不确定性分析和数据约简的方法对流域信息进行处理。传统的粗糙集属性约简算法存在各种的限制和不足,在流域数据约简中的应用存在问题,本文在应用粗糙集属性约简算法对流域数据进行约简的同时,引入量子粒子群算法对粗糙集属性约简算法进行改进,得到新的属性约简模型,并结合实例将模型应用于流域数据的约简中,验证模型的效果,为流域数据约简提供了一种可行方法。本文的研究内容主要包括以下几个方面：1)系统介绍粗糙集理论相关概念和各类属性约简算法,分析各类属性约简算法在流域数据约简应用中的不足,结合粗糙集理论的特征,引入量子粒子群算法对属性约简算法进行优化。2)从粒子编码、适应度函数设计、粒子更新和粒子编码转化几个方面对基于量子粒子群算法的属性约简模型的建立进行了详细的阐述,并通过实例和标准UCI数据集对模型的正确性和运算效率进行了分析和验证。3)将基于量子粒子群算法的属性约简模型应用于流域数据约简中,对于某流域,用7个水文监测站点代表原来14个水文监测站点的特征,并通过BP神经网络预测验证了结果的有效性。约简结果提高了流域水文数据的利用率,同时对水文监测站点的合理布设提供了一个方面的参考。论文的创新点主要包括以下几方面：1)将量子粒子群算法引入对粗糙集属性约简进行优化,根据粒子群本身的特性结合粗糙集的知识得到了基于量子粒子群算法的属性约简模型。2)将基于量子粒子群算法的属性约简模型应用于流域数据约简,为流域数据约简提供了一种新的可行的方法,也为水文站点的合理布设提供了参考。