伴随气候变化与人类活动,径流序列表现出非平稳性及复杂性特征。研究流域径流的非平稳性特征并开展预测,可为流域水资源高效利用提供理论指导。论文以澄碧河平塘水文站以上流域为对象开展非平稳性特征分析及预测研究,其主要工作内容与研究成果如下:(1)运用趋势分析、突变分析、周期分析和演变趋势持续性分析方法对流域平塘水文站月径流进行非平稳性特征研究。结果表明:55a月径流中,一月、三月、六月、十月和十二月呈增加趋势,其余月份径流及年径流呈减少趋势;三月、五月和十二月径流发生突变,其余月份及年径流无突变;各月径流存在2-5个尺度周期,年径流存在2个尺度周期;各月径流中除六月外,其余11个月份及年径流未来将呈正持续性特征。(2)分别构建支持向量机模型(SVM)和神经网络模型(Elman)两类单一预测模型对流域径流开展预测研究。结果表明:对于单一预测模型,以55a的660个月的逐月径流序列作模型数据输入可取得最好的预测效果(NSE=0.61);SVM模型、SVM(M)(支持向量机M)模型、Elman模型和Elman(M)(神经网络M)模型共4种模型中(NSE分别为0.61、0.53、0.57和0.50),SVM模型预测效果最好。(3)分别基于经验模态分解法(EMD)、集合经验模态分解法(EEMD)和经验小波变换法(EWT)构建耦合预测模型,对流域径流进行预测对比。结果表明:6种耦合预测模型的NSE范围为0.65-0.86,较单一预测模型提高了0.08-0.28,证明基于数据预处理方法的耦合预测模型有效地提高了径流的预测精度,可为日后流域径流预测供以技术支撑。