在我国，洪水时有发生，给国家以及人民群众生命财产安全造成了巨大的损失。为了防御洪水侵袭，减小洪灾造成的经济损失，对洪水的形成和运动规律进行研究是十分必要的。因此，及时准确地模拟预报河道洪水，为防汛决策提供科学可靠的依据，具有重要的理论意义和实践应用价值。　　河道洪水演进受多种外界条件的影响，表现为非线性动力学过程。鉴于遗传算法具有很强的处理大规模复杂非线性动力学系统的能力，本文将实数自适应遗传算法(Real-Coded Adaptive Genetic Algorithm，RAGA)和非线性变指数马斯京根模型（Nonlinear Muskingum Model with Variable Exponent Parameter,VEP-NLMM）二者有机结合在一起，应用于河道洪水演进中，模拟结果符合水文预报精度要求。本文主要工作内容可以总结归纳为以下三个方面：　　（1）总结分析了国内外洪水演进的发展现状以及相关的理论知识；针对传统马斯京根法和非线性马斯京根法在河道洪水演进方面的不足，本文建立了VEP-NLMM，该模型原理简单，易于使用，具有良好的应用前景。　　（2）针对标准遗传算法（Standard Genetic Algorithm,SGA）存在收敛速度较慢、效率相对较低等缺点，本文给出了一种改进的遗传算法—RAGA，即引进自适应思想，弱化劣解空间，提高了求解效率和求解精度，缩短群体进化过程，并将RAGA应用于VEP-NLMM的参数率定。　　（3）基于RAGA的VEP-NLMM，与非线性定指数马斯京根模型(Nonlinear Muskingum Model with Fixed Exponent Parameter,FEP-NLMM)相比，在精度方面有很大提高，并将此模型应用到长江中游宜昌-枝城段，计算结果表明该模型具有良好的性能及其实用价值。