受气候变化影响,极端降雨事件频繁发生,洪水灾害已成为我国频率最高、破坏性最强的自然灾害,严重威胁人民生命财产安全和社会经济的稳定。洪水预报作为最有效的防洪减灾非工程措施,越来越受到人们的关注。本研究以提高洪水预报的精度为宗旨,以我国水资源配置战略水源地汉江上游石泉-安康水库区间支流流域为研究对象,对洪水进行分类预报并实时修正预报误差;基于降雨随机模拟模型模拟的气候模式下的未来降雨过程,应用水文模型模拟未来洪水过程,并推求流域未来设计洪水,分析洪水演变过程。主要研究内容和成果如下:（1）将降雨总量、最大雨强和平均雨强作为聚类因子,利用SOM神经网络模型对流域历史洪水进行聚类;基于聚类结果训练BP神经网络模型,应用训练后的模型对洪水进行分类。结果表明:洪水聚类之后不同类别洪水的平均洪峰流量相差明显,洪水分类过程中各流域各类别洪水分类正确率都在80%以上,说明本研究的洪水聚类和分类模型在研究区内具有良好的适用性。（2）构建TOPMODEL模型,利用PSO优化算法分别率定不同类别洪水的模型参数,并对参数进行验证;为减小预报误差,应用集合卡尔曼滤波对洪水预报结果进行实时修正。结果表明:TOPMODEL模型在汉江上游主要支流流域的洪水分类预报中具有较好的模拟效果,而经过实时修正后预报精度显著提高,说明TOPMODEL模型能够用来模拟汉江上游的洪水过程,实时修正技术可以明显减小洪水预报误差。（3）构建NSRP降雨随机模拟模型,根据历史逐时降雨资料估计模型参数并验证了模型的适用性,结合气候模式不同排放情景下的未来降雨资料,以日降雨量为约束,对未来年最大3 日降雨进行随机模拟;利用TOPMODEL模型模拟洪水过程,提取年最大洪峰流量序列,计算设计洪水,分析不同排放情景下未来设计洪水的变化情况。研究发现,RCP2.6、RCP4.5和RCP8.5三种排放情景下的未来设计洪水不同重现期的设计洪峰相较于历史设计洪峰有所增大,说明未来洪水的频率和量级均呈增长趋势。