本書聚焦于提升洪水預(yù)報(bào)的精度與穩(wěn)定性，針對(duì)中小河流和大江大河的洪水預(yù)報(bào)問(wèn)題，提出了一種基于多水文模型組合的解決方案。作者以金華江、龍泉溪流域、屯溪流域及引漢濟(jì)渭工程區(qū)域?yàn)檠芯繉?duì)象，綜合運(yùn)用黑箱模型、概念性模型、新安江模型、BP神經(jīng)網(wǎng)絡(luò)模型等多種水文模型，并結(jié)合滯后演算法、集對(duì)分析、蒙特卡羅隨機(jī)抽樣等方法，構(gòu)建了多模型組合洪水預(yù)報(bào)系統(tǒng)。研究結(jié)果表明，多模型組合方法能有效降低洪水預(yù)報(bào)的不確定性，提升預(yù)報(bào)精度，尤其是在中小河流的洪峰預(yù)報(bào)和峰現(xiàn)時(shí)間修正方面具有顯著優(yōu)勢(shì)。此外，書中還探討了洪水預(yù)報(bào)誤差的來(lái)源及校正技術(shù)，提出了基于洪水特征庫(kù)的K-最近鄰算法和誤差自回歸法等校正方法，并結(jié)合數(shù)字高程模型(DEM)等技術(shù)，開發(fā)了洪水預(yù)報(bào)及預(yù)警系統(tǒng)，為水利工程的防洪決策提供了科學(xué)依據(jù)。