我国是世界上洪涝灾害频发并受影响严重的国家之一,约2/3的地区都曾不同程度地遭受过洪涝灾害,尤以暴雨洪水形式最为严峻。近年来,由于气候变化、人类活动的影响,强降雨时有发生,洪涝灾害不断频发。2020年来,多个江河流域暴雨洪水同时发生,导致洪水量级大、超警戒河流剧增,这对山洪地区的社会经济、人民群众生命财产安全和自然环境都造成了严重的损害。因此,迫切需要做好洪水模拟及预报研究有关工作,以便为有关部门防洪决策提供科学依据。本文以渠江流域为研究对象,利用忽略物理特性的BP神经网络模型和半分布式HEC-HMS水文模型构建了渠江流域洪水预报模型,根据模拟结果精度评定与洪水预报研究,探究了两种模型在渠江流域的适用性,对区域洪水预报具有参考作用。主要研究内容及结果如下:（1）搜集并整理研究区域DEM数据、土地利用类型、土壤类型、雨量站降雨、水文站径流等资料。根据已有资料,选定25场历史洪水场次的同时综合分析产汇流特征,最后确定以马斯京根法、SCS曲线法、SCS单位线法进行产汇流计算。（2）利用选定洪水场次数据构建基于BP神经网络的洪水预报模型。统计得到35年间洪水样本数据共计995组,利用Matlab工具箱建立神经网络模型,将经过预处理的样本数据通过程序算法对20场洪水对应的712组洪水样本数据进行模型训练,对5场洪水对应的283组洪水样本数据用于模型验证。输入层为各场次洪水降雨数据,输出层为水文站流量数据。通过反复训练最终确定模型有关参数,即24个输入神经元,1个输出神经元,学习率为0.01,网络层数3层。模型模拟结果为,训练期模型合格率80%,平均Nash系数0.819;验证期模型合格率100%,平均Nash系数0.879,根据预报模型精度评定等级,训练期和验证期均达乙等精度要求。因此,BP神经网络洪水预报模型预报等级为乙等,可用于实际洪水预报中。（3）利用Arc GIS平台中HEC-Geo HMS扩展模块构建数字流域模型,最终将流域划分成10个子流域,10个河段,1个出口点。同时,利用土地利用和土壤类型等数据根据标准算法对模型参数进行初始值估算,各子流域CN初步估算值为:80、80、84、84、82、85、83、81、85、81。由标准算法估算的CN为前期土壤一般的情况,考虑到干旱和湿润土壤的径流路径各不相同,引入前期降雨指数对参数重新估算。（4）利用HEC-HMS水文模型对选定的20个场次洪水进行初始洪水模拟,经精度评定模型合格率为70%,平均Nash系数0.656。因此,利用模型自带的参数优化函数进行参数优化,最终确定目标函数采用单纯性法,搜索方法采用峰值加权。参数优化后模型合格率达90%,平均Nash系数0.802,显然参数优化后模型精度明显提高,达乙等精度。依据优化后的参数,通过试算确定一套适用于该流域降雨径流模拟的产汇流参数,使得率定期及验证期模拟效果最优。结果表明,在验证期内5个洪水场次模拟效果较好,峰值相对误差均低于20%,平均Nash系数为0.860,模型精度达乙等水平,可用于实际预报中。综上,基于HEC-HMS水文预报模型在渠江流域具有较强适用性,为该流域防洪减灾提供一定思路。（5）对比BP神经网络模型和HEC-HMS模型在洪水预报中的应用结果,易知两个模型在渠江流域均具有较强的适用性。两者在验证期各指标相对误差均小于20%,且平均Nash系数分别为0.861、0.879,相差不大;在未来随机降雨系列的洪水预报中结果基本一致。所以两个洪水预报模型均可用于渠江流域实际洪水预报,模型之间可以相互验证,综合模拟和预报分析区域洪水,为下游电站防洪调度及有关部门决策提供可靠依据。