本書提出了新型耦合數(shù)據(jù)驅(qū)動模型。具體內(nèi)容包括：(1)提出了基于滑窗累積雨量的降雨量候選輸入向量及輸入變量的分離式選擇策略，并與基于偏互信息的輸入變量選擇方法聯(lián)合使用，確保了輸入信息的充足性和無冗余性，對建立精度高、泛化能力強(qiáng)的高質(zhì)量數(shù)據(jù)驅(qū)動模型意義重大；(2)提出了新型集成神經(jīng)網(wǎng)絡(luò)模型--EBPNN模型及其率定方法。通過NSGA-II多目標(biāo)優(yōu)化算法和早停止Levenberg-Marquardt算法確定全局最優(yōu)個體網(wǎng)絡(luò)個數(shù)、各個體網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)。個體網(wǎng)絡(luò)權(quán)重由基于AIC信息準(zhǔn)則的權(quán)重確定方法確定。EBPNN模型在模擬精度和網(wǎng)絡(luò)復(fù)雜度間取得了良好折衷，精度高、泛化能力強(qiáng)、率定結(jié)果客觀、受人為因素影響�。�(3)PBK模型不需要實時信息，能夠進(jìn)行多步外推預(yù)報，實現(xiàn)了非實時校正模式下的高精度連續(xù)模擬，增長了數(shù)據(jù)驅(qū)動模型的預(yù)見期；(4)PBK模型不需要進(jìn)行流域狀態(tài)變量的計算，僅需初始出流量就可進(jìn)行出流量的連續(xù)模擬。敏感性分析結(jié)果表明，PBK模型對初始出流量不敏感，減小了初始出流量估計不當(dāng)造成的不確定性。