水文学是一门研究自然规律的学科,十分依赖于其观测样本。从这些观测样本中寻找规律是解决水文问题的基本途径。水文预报是人们对水文现象认识深入的直接产物。人们迫切需要在实践中得到洪峰及其出现的时间来减少洪水带来的生命财产损失。为了提高洪水预报精度,引入了数据挖掘中的特征选择法和聚类分析。分类率定是提高洪水预报精度的重要手段,洪水样本对洪水预报模型参数率定具有决定性影响。而降雨是洪水产生的直接原因,因此有必要对每场洪水降雨提取代表性特征进行聚类分析以提高分类率定精度。所选的特征中,不可避免的存在冗余特征,干扰聚类效果。为此,提出基于非监督性特征选择的洪水聚类分析方法。基于Mitra算法进行特征选择,以k-means和FCM为聚类方法对洪水进行聚类分析。研究表明,Mitra算法可有效去除冗余特征,k-means与FCM聚类结果吻合较好,各类洪水特点鲜明。本文中以沙溪口洪水预报系统为例,采用新安江水文模型和马斯京根流量演算法预报水库入流量。采用分类率定参数的方法给出各类洪水情况下的模型参数。选用各分类的参数对相应属性洪水进行了预报,并与综合率定参数的预报结果作了对比,洪水预报精度有部分提高,但幅度较小。