水文预报和梯级水库群联合调度是水资源运行管理的核心内容。随着近年来水资源日益紧缺,流域径流分析与预报对梯级水库群联合调度的影响愈加增大,预报精度的高低决定了人们了解未来水文变化情况的精准与否,从而进一步采取措施进行统筹安排,以应对防洪、抗旱、发电、供水、航运等问题,直接关系到流域水资源的优化配置与合理利用的综合效益最大化。近年来发展起来的善于从数年观测序列中寻找变化趋势的极点对称模态分解(Extreme-point Symmetric Mode Decomposition,ESMD)方法在数据分析领域具有较大优势。首先,本文利用极点对称模态分解方法对黄河上游唐乃亥站径流时间序列进行了模态分解及时频分析,在此基础上进行了周期分析、突变分析和趋势分析,研究黄河上游唐乃亥站径流量多年变化的情况。其次,利用极点对称模态分解方法在数据分析方面的优势,结合BP神经网络非线性逼近的特点,建立ESMD-BP神经网络组合预报模型。通过实例计算表明,本文建立的组合预测模型能更充分地发掘资料信息,有效地提高了预报精度。最后以龙羊峡-刘家峡水库群为研究实例,以组合模型预报结果作为上游水库入库流量,建立以发电量最大为目标的联合优化调度模型,并采用Evolver遗传优化应用程序进行求解,将预报调度结果同现有运行方式下的结果进行对比,为今后水电站水库运行提供参考依据。