全球水文变化对全球生态系统有着非常重大的影响,水文的模拟与估计是水文变化研究的一项重要内容。其中关于水位、流量等水文要素的精确估计,在水文水资源资料整编、水库调度与运行、预防洪水以及工程设计与施工中占有非常重要的地位。本文采用大渡河流域2007年-2010年的实测水位流量数据作为研究对象,对河流水位流量的内在联系进行探索,建立最小二乘流量估计模型、BP神经网络流量估计模型、RBF神经网络流量估计模型、Elman神经网络流量估计模型、GA-Elman神经网络流量估计模型以及基于信息熵的GA-Elman神经网络流量估计模型对河流流量进行估计,并开发了一套拥有流量估计功能的应用软件,旨在为水文估计提供新的方法和技术平台。论文的主要工作以及成果如下:（1）在大渡河流域的水位流量数据存在空缺以及异常的情况下,对比分析了常见数据填补方法的优缺点并以中心度量填充法对数据的空缺值和异常值进行了处理,保证了数据的准确性和完整性,确保模型不会受到异常数据的干扰。（2）针对经典的水位流量解析模型已不能很好地刻画水位与流量二者之间动态关系的问题,通过构建BP神经网络流量估计模型、RBF神经网络流量估计模型以及Elman神经网络流量估计模型,利用人工神经网络强大的学习能力、非线性计算能力和自适应能力刻画水位流量之间的真实关系,达到提高估计精度的目的。采用实测数据对模型进行验证,结果表明:Elman神经网络能够较好的对河流流量进行估计,其均方根误差较经典解析模型降低了5.97%,且模型将所有点的绝对误差都很好的控制在180以内。（3）为了进一步提高径流流量估计精度,本文结合遗传算法（GA）、信息熵、层次聚类以及Elman算法等,构建了GA-Elman神经网络流量估计模型以及基于信息熵的GA-Elman神经网络流量估计模型,以大渡河流域2007年-2009年的实测数据对模型进行训练并用该流域2010年的数据进行模型验证,实测结果表明:基于信息熵的GA-Elman神经网络流量估计模型拥有比其他5种模型都要高的估计精度,其均方根误差较经典解析模型降低了18.23%。（4）为了将本文所研究算法推向实用,基于MATLAB和GUI等技术开发一套基于机器学习的水位流量估计功能软件。该功能软件集成最小二乘流量估计模型、BP神经网络流量估计模型、RBF神经网络流量估计模型、Elman神经网络流量估计模型、GA-Elman神经网络流量估计模型以及基于信息熵的GA-Elman神经网络流量估计模型,实现了登录功能模块、数据处理功能模块和以上提及的6个流量估计功能模块,为后续深入研究打下基础。