流域水文预报可以为洪涝灾害防治、水资源科学分配以及保证社会可持续发展提供重要决策支撑。当前产流域水文预报主要有两种方式，一种是采用水文模型模拟水流汇流过程的传统物理模型，另一种则是基于大数据建立降雨与径流之间非线性关系的数据驱动模型。

水文模型有很强的适应性，在模型中需建立研究区域地形，通过设置研究区域下垫面数据，并确定蒸散发、截留、下渗等参数，水文模型即可以准确的反演复刻流域的产流-汇流过程。基于大数据建立的数据驱动模型无需考虑各种物理因素，仅需利用历史数据，采用人工智能的方法来模拟降水-径流的非线性过程。数据驱动模型的优势在于其计算成本低、时间快、预报效果好，目前在水文领域已经得到广泛应用。

1、入库流量预报

基于流域的历史降雨数据和历史入库流量数据，采用人工智能的方式建立水库入库流量预报模型。能够提前一个小时预测水库的入库流量，为水库的防洪调度决策提供重要支撑。对于缺乏历史数据的小型水库，利用水文模型模拟水库入库流量过程，将此过程的模拟数据作为人工智能方法的数据扩充，以次提高水库入库流量预报精度。

2、水库库水位预测

在入库流量预报的基础上，结合调度令以及水库当前蓄水情况预测下一个小时的水库库水位。

3、信息数据库划分

基础信息数据库：水位库容曲线、闸门尺寸与相关参数（包括：溢流堰和泄洪洞）

水文气象数据库：降水、入库流量、库水位

防洪调度指挥数据库：调度令