河流的水位是掌握水文情况和推算其它水文要素的宝贵资料。对于水利部门来说精确地观测水位对工程建设是可以减少很多损失,同时准确地观测水位对合理的利用水资源具有重大的意义。迄今为止,在测量河流水位中存在很多的问题,比如用水尺测量河流水位,水尺常年浸泡在河水中很容易被侵蚀,仪器的损坏会对测量结果产生很大的误差,利用水尺测量水位工作量较大,并且人工测量也容易造成误差;通过用精密设备测量河流水位,设备后期需要维护和保养,成本较高等等。鉴于目前测量水位方法存在以上缺陷,同时在影响水位的众多因素中,降雨量和流量的大小又是影响水位升降的重要因素。所以找到一个既能精确测量水位和又能使投入成本降低的方法很重要。因此本文首先基于一元线性回归模型来研究降雨量与水位的之间的关系,以降雨量为自变量,水位为因变量,利用一元线性回归模型通过降雨量预测出水位。其次基于多元线性回归模型来研究降雨量、流量对水位的影响,以降雨量和流量作为自变量,水位作为因变量,利用二元线性回归模型来预测出水位。本工作首先是从专业网站上如黄河网、中央气象台和河南雨量简明查询系统等收集了2011年到2016年的历史降雨量、流量与水位数据。并对数据进行数据挖掘,逐年逐月逐日进行分类整理,因为本文只考虑正常降雨量和流量对水位的影响,所以在整理数据时将特殊状况下的数据排除,比如在汛期发生特大暴雨时,水坝对水位的调节排除;以及在干旱时期,降雨量偏少的情况排除。依据收集和整理的历史数据,对这些数据进行数据挖掘分析,从其中找到潜在有用的信息和知识。将2011年到2016的降雨量和水位数据作为训练集,再将2014年到2016年的降雨量和水位数据作为测试集。利用训练集中的数据计算出线性回归方程中的回归参数,并进行回归检验,对预测的结果进行分析,将预测结果和实际观测值进行对比分析。再利用测试集中的数据检验回归方程的精确性。最终得出用线性回归模型可以准确地通过降雨量预测出水位的结论,而且该方法不仅可以降低测量水位的成本,而且还可以节省人力资源,提高测量水位的精确度。