水文模型参数敏感性分析是模型不确定性量化研究的重要环节,其可以有效识别关键参数,减少模型率定的不确定性,提高模型优化效率。然而如何快速有效地定量评估参数敏感性已成为当前大尺度分布式水文模型优化的瓶颈。针对传统的全局定量敏感性分析方法在多参数复杂水文模型的不足,本文采用基于统计学习理论的支持向量机(SVM)建立非参数响应曲面(称为代理模型),再结合基于方差的Sobol方法,建立了基于响应曲面方法的Sobol定量全局敏感性分析方法(RSMSobol方法),实现复杂模型系统参数敏感性的快速定量化评估。本文选用淮河流域的日尺度分布式时变增益水文模型进行实例研究,采用水量平衡系数(WB),Nash-Sutcliffe效率系数(NS)和相关系数(RC)三个目标函数综合评价模拟效果。研究结果显示RSMSobol方法在实现定量全局敏感性分析的同时降低了模型运行时耗,提高了模型评估效率,且与传统定量方法Sobol方法具有同样的评估效果。该方法的有效应用为大型复杂水文动力模拟系统的参数定量化敏感性评价提供了参考,为模型参数进一步优化提供了可靠依据。