在全球气候变化的大背景下,流域突发水文事件是一种突发性强、发生频率低、影响面广的小概率事件。在全球气候变化及人类活动等因素的影响下,频繁发生的突发流域水文事件有不断加剧的趋势,给流域生态、环境、社会经济的发展带来巨大影响。本文通过对湖北省斧头湖流域的气候变化环境特征的分析,以河湖空间水量动态管控为目的,考虑流域洪水预测、干旱识别计算精度等问题,建立了斧头湖流域水文模型,为弥补传统算法混合复杂进化算法（Shuffled Complex Evolution,SCE）在水文模型参数率定中所存在的收敛精度不足的问题,提出了改进的微分混合复杂进化算法（Differential Shuffled Complex Evolution,DSCE）率定模型中的参数。基于该算法的率定结果,分析了模型在洪水预测方面的优越性和不足之处。结合水文模型与机器学习模型,又对流域中突发干旱的情况做出等级分类预测,达到干旱预警预报的效果。主要完成以下工作。（1）在全球气候变化的背景下,通过对湖北省斧头湖流域水环境、水资源、气候、地理等环境特征的分析,应用水文统计参数、趋势性检验等方法,揭示了斧头湖流域气温、降水在1980-2016年的年际变化趋势。结果显示,斧头湖流域在所研究的时间内气温具有明显的突变特征及显著的上升趋势,即平均气温、最高气温、最低气温分别以0.34℃/10a、0.48℃/10a、0.33℃/10a的速率增长,而降水既不存在显著性的趋势变化,也没有明显的突变特征。（2）为弥补传统算法率定水文模型参数的精度不足,提出将改进的DSCE算法应用于水文模型参数率定。首先对比了SCE和改进的DSCE算法的参数率定过程,以计算时间、计算次数、纳什效率系数和模型中敏感参数的收敛速度作为评价指标,发现DSCE算法在各个方面都明显比SCE算法更具有优越性。在选定了DSCE算法后,另外讨论了算法中的复合型个数（p值）对参数率定过程的影响,确定p=2时,可以兼具计算效率和准确性。（3）基于改进的DSCE算法率定的结果,将洪峰误差Ep、年径流误差EQ和纳什系数NSE作为指标进行了模型的验证,从预报的合格率来看,该模型的预报精度为甲等;从纳什效率系数来看,模型的预报精度为乙等,符合规范的要求。更进一步的,选取共计51场流量大于1200m~3/s的洪峰,进行洪水分析,利用符合洪水频率分布的皮尔逊-Ⅲ型曲线得到了该流域各等级洪水的径流量。总体上,新安江模型能很好的起到洪峰预测的作用,非常适用于斧头湖流域。（4）在干旱指标的研究现状的基础上,分析了各干旱指标的适用性和局限性,提出了利用机器学习进行干旱预测的方法,将水文和气象数据直接与干旱等级相对应。通过研究潜在影响因素与干旱发生的相关性分析,选取相关性较强的4个参数（降水量、径流量、蒸散发量、土壤含水量）作为分类特征,各等级样本数据进行平衡处理之后,依据综合气象干旱指数（MCI）所划分的干旱等级进行监督式学习,使用常见的分类模型进行干旱等级划分,基于4种评价指标（准确度、误分类代价、预测速度和训练时间）的综合评价,最终选定了精细K近邻（K-Nearest Neighbor）分类模型。在此基础上又对分类特征的时间尺度进行研究,确定选择60天降水量、60天蒸散发量、90天径流量、90天的平均土壤含水量作为分类特征时,分类结果准确率最高。最后,使用二维区域划分图直观地展示了机器学习的分类结果,使得干旱的预测和分析更为直观和方便。