从古至今几千年来，洪水灾害问题一直是人类极度关注和重视的问题，人类尝试采取各种方法解决。例如，利用洪水演进模型可以计算出在不同时段的流量，流速等，从而对洪水预报，防洪调度等方面发挥重要作用。其中模型的参数反演问题就是非常重要的一步，对洪水演进模型应用的成败起着关键的作用。作为群智能算法成员之一的粒子群算法，是一种全局优化算法。该算法编程简单同时本身还具有许多良好的优化性能和很强的鲁棒性。但粒子群算法有两个主要的缺点分别是：容易陷入局部收敛和后期收敛速度慢。针对基本粒子群算法的缺点，学者们提出过很多改进的方法。本文在前人研究的基础之上进行总结，选取基于适应值共享的小生境粒子群算法作为本文的求解算法，该算法是由基于适应值共享的小生境技术与粒子群算法结合后得到的。本文先将算法应用到典型多模态函数优化问题的求解中，将优化结果与基本粒子群算法的优化结果作对比，验证了算法的有效性与优越性，并对小生境粒子群算法的收敛性进行了讨论。然后，把该算法应用到实际问题中，对存在解析解的洪水演进模型进行了参数反演，反演结果表明，该方法不仅精度高而且收敛速度快，反演值与真值几乎完全吻合。最后，对添加5%到15%不同噪声的情况进行了研究。从程序运行的结果来看，在加噪5%时，参数K和x的反演结果不是特别理想。因此，为提高本文方法的抗噪性，尝试将多尺度方法和小生境粒子群算法相结合形成多尺度小生境粒子群算法，并将其应用于洪水演进模型的参数反演。数值计算结果显示，单参数反演结果精度较高；但双参数的反演精度不是很高，还有待改进。模拟结果验证了算法的可行性和一定的抗扰动性，因此本文讨论的算法在洪水演进模型参数反演问题方面是具有实际应用价值的，有望被广泛应用。