洪水灾害是威胁人类生产、生活以及生命的最为频繁的自然灾害之一。水库洪水预报调度是防洪减灾以及洪水资源利用最重要非工程措施,对保证国民经济稳定增长、保障人民财产安全和社会安定发挥着关键的作用。因此,如何利用防洪预报调度这一非工程措施有效发挥水库的效益具有重要的研究价值。本文从增加水库效益的宗旨出发,针对洪水预报调度中的两个关键问题:数据匮乏流域洪水预报的难度大和水库预报调度亟待进一步完善,以嫩江流域尼尔基水库为研究对象,展开了系统性的研究,以期为水库防洪预报调度提供新的方法,主要研究内容及成果有以下几方面:(1)针对地形复杂、大洪水次数较少、实测资料稀疏的流域,以往模型预报精度不高的问题,提出了耦合Data Based Mechanistic(DBM)模型与卡尔曼滤波法的洪水实时预报模型框架。该框架对模型输入、模型本身到模型输出全过程进行了设计。首先,在输入方面,针对现有的雨量站权重计算方法在流域面积相对较大、雨量站空间分布极不均匀、降雨的空间变异性大的流域适用性不强的问题,提出了雨量站权重优选方法。其次,从模型本身和模型输出的角度出发,考虑到数据以及产汇流过程的不确定性,数据匮乏流域的洪水预报难度大,将具有物理意义、基于数据驱动的DBM模型引入到洪水预报中,并耦合卡尔曼滤波,对模型输出结果进行了实时校正。模拟预报结果表明:在资料缺乏流域,雨量站权重优选方案的拟合精度高于Thiessen多边形或简单平均方案;卡尔曼滤波可以在一定程度上降低模型输入和模型结构的不确定性,显著提高预测精度,特别是在仅以降雨信息作为唯一输入的子流域。(2)针对以往洪水分类识别方法中因子提取和分类较为复杂的问题,基于耦合DBM与卡尔曼滤波的洪水实时预报框架,提出了基于确定性系数的洪水分类识别预报方法。该方法首先利用耦合DBM和卡尔曼滤波的洪水实时预报模型,从洪水发生发展过程出发,以确定性系数为指标,对洪水进行分类。然后,结合遗忘机制与确定性系数,实现子模型实时识别预报。最后,在尼尔基水库以上流域进行测试。结果表明:在降雨-流量的非线性关系比较明显的子流域,如石灰窑子流域、古里子流域、科后子流域以及加格达奇子流域表现良好,在以流量信息预报流量的非线性较小的子流域表现一般。(3)针对以往调度目标单一、考虑不全面,仅以极值为依据对上、下游防洪安全进行评价,忽略了上、下游防洪系统被破坏的过程和破坏的时长等过程性指标的问题,且考虑到弹性概念在生态、社会和工程等领域能有效的描述系统受损的过程,本文首次将“系统弹性”的概念引入到水库防洪调度规则研究中。首先,分析了“系统弹性”在水库防洪调度中应用的必要性和可行性;然后,定义并量化了水库下游防护点“系统弹性”;最后,以上游水库最高水位最小、下游防洪点最大流量最小以及下游防护点弹性最大为目标,建立多目标防洪优化调度模型,并采用NSGA-Ⅱ方法进行了多目标优化。结果表明:当把下游防护点弹性作为目标时,增加了方案多样性,不仅为决策者提供偏向于上游安全或下游安全的方案,而且还提供偏向于下游防护点弹性的方案。最后为决策者提供了最终推荐方案CB。在降雨模式①的情况下,最终推荐方案CB与常规方案上游风险一致的情况下(上游最高水位均值均为217.53m),其下游风险比常规方案低(CB最大流量均值为10200 m3/s,而常规方案为10340 m3/s)的同时,下游防护点弹性86.82%也优于常规的86.18%;在降雨模式②的情况下,方案CB的上游风险与下游风险与常规一致的情况下(最高水位均值都为218.15m,下游最大流量均值都为9990m3/s),其下游防护点弹性为90.04%,比常规的89.31%高。(4)以往预报调度大多倾向于通过抬高汛限水位的方式增加兴利效益,对降低汛限水位增加防洪效益的研究较少。本文结合洪水预报结果,在保证未来来水能满足水库回充至原始汛限水位的基础上,提出了考虑预报误差降低汛限水位的水库防洪预报调度方法。在此基础上,综合考虑预报误差以及决策者的不同偏好,利用二元对比法和模糊优选模型对预报调度方案进行评价。结果显示,相比第五章推荐的不考虑预报的最佳调度方案,本文所推荐的规则除了在相对误差为-22%时,上游风险有所提高外,在相对误差为1.3%和19%时,上游风险、下游风险均更低,且下游防护点弹性更大。