在水资源优化配置中,需要根据预测的径流结果制定不同的方案,以期减少经济损失或增加经济效益。径流区间预测能够描述点值预测无法表示的复杂时间序列的不确定性,其中带概率分布的结果具有明显优势。径流包含了大量独立的信息特征,而单项方法因建模机制不同,只利用了径流的部分信息,忽略了某些要点。组合预测可以充分发挥各模型之间的互补作用,有效解决上述问题。本文从中长期径流预测入手,在多个数据驱动模型结构基础上建立单项径流区间预测模型,最后分别提出两种场力算法得到组合区间概率分布及预测区间。主要工作内容和创新成果包括:（1）基础模型研究与构建。由于现有的径流资料有限,本文采用自助法进行非参数抽样,获得多个训练样本。再结合径流自身的特点,选用在径流领域应用广泛的支持向量机、长短期记忆神经网络和核极限学习机模型,建立区间预测基础模型。（2）区间概率分布组合方法。针对目前各种区间组合预测方法缺乏对区间概率分布之间影响的关注,本文提出了万有引力算法和电场力算法的区间概率分布组合预测方法,通过模拟场力的作用效果,计算除最优区间外的其他区间对最优区间分布的影响。在进行组合时,将单项模型在不同时段的预测精度作为划分最优与次优区间的判断依据,通过加入组合得到的区间质量来筛选当前时段的单项区间。与已有的算例和概率叠加方法的计算结果相比,两种算法计算效果均有明显提升,其中万有引力算法能得到更窄的置信区间,而电场力算法能得到更接近实际的区间中心。（3）中长期径流实例应用及分析。在分析Djk水库月实测径流相关性基础上建立单项区间预测模型,得到的三组区间预测结果因区间覆盖率和区间宽度无法都满足要求,而且模型预测结果间存在互补性,故提出进行区间概率分布组合。针对传统的区间综合评价指标无法评判偏离目标值时预测区间的优劣程度,故提出了新的综合评价指标用于判断各单项模型在每个时段的精度大小。然后分别采用两种场力算法进行组合,结果表明均能提高径流的预测精度,为径流区间组合预测开辟新途径。