水文学是一门以数据为研究基础的学科领域,这些数据是由水文工作者经过长期观测与实践所积累的,数据里包含了气候、地理等自然界的变化规律和其相互影响机制以及相应水文要素对人类活动响应等多种信息。进入21世纪以来,小波分析、分形理论和人工神经网络技术等各种非线性方法逐步发展并日渐成熟。由于小波具有自动可变的“时-频”窗,从而具有多时间尺度分辨功能；分形被称为真正的几何学,是判定序列复杂性适宜的定量指标；人工神经网络具有自适应、自学习功能,能够弥补传统的线性统计模型的一系列缺点；所以上述各非线性方法在水文水资源学科得到了广泛应用。本论文采用小波分析、分形理论和人工神经网络技术等非线性方法为基本技术手段,通过上述各方法之间的组合和耦合,首次对邯郸地区各山区近45年的降雨序列,进行了多尺度下周期性与复杂性变化特性的分析,选取漳河山区刘匡区间为典型区域,在对该区域年降雨和年径流进行多尺度相关性分析的基础上,构建了该区域的年径流量的预测模型,并进行了模型验证。通过Morlet小波分析和计算,得出邯郸山区年降水量过程明显存在以5年、9年左右变化的主要周期,并存在3年左右尺度的周期变化。通过分析可以得知,小波系数变化所表征的年降雨量变化,能较真实反应年降雨在时间和领域范围中丰、枯变化的特性以及演变的趋势。分别以Daubechies7离散小波和信息量系数组合为评价指标和以Daubechies7连续小波和频谱指数组合为评价指标,对各邯郸山区的降雨过程进行了不同评价指标下的复杂性估算。计算指标的不同,各个水文序列复杂程度也有其相应的表征。两组指标计算的结果最终显示,滏阳河山区降雨过程较漳河山区的复杂性较高。在Morlet小波变换的基础上,运用相关分析法和显著性检验法,揭示在不同时间尺度下典型区域各水文时序间的相互关系。结果表明,典型区域的年降雨序列和年径流序列有较好的相关性。基于Daubechies7小波BP神经网络组合模型,选取漳河山区刘匡区间为典型区域,构建了该区域的小波人工神经网络组合模型,并对研究区间的年径流进行了模拟预测,预测结果良好。