水文现象是一种既受确定性因素影响，又受随机性因素影响的复杂现象。水文模型的输入与参数均存在着一定程度的随机性，因此水文模型的输出也具有不确定性，据此做出的概率水文预报应比确定性水文预报更具有科学性。 以资水流域新宁站控制面积为研究区域，应用数字流域水系模型DEDNM(Digital Elevation Drainage Network Model)对DEM(Digital Elevation Model)数据进行预处理，自动提取流域边界，确定河网水系，构建数字流域，并与新安江模型耦合，建立基于子流域的概念性分布式流域水文模型。 GLUE(Generalized Likelihood．IJncertainty Estimation)是分析模型参数不确定性的一种方法。本文将GLUE方法应用到新安江模型上，对新安江模型的参数不确定性进行分析，实现了概率水文预报的目的。实例分析表明，这种方法能够分析模型中参数的敏感性，日径流模拟和次洪模拟的参数敏感程度：能够给出指定概率的洪水置信区间，实测流量几乎都落在了该不确定范围之内；可以描述洪峰的概率分布情况，了解洪峰流量出现的频率，增加了预报精度与准确性。由此可见，GLUE方法适用于新安江模型。 利用信息熵和U不确定公式对GLUE分析的不确定性进行量化分析，对1980-1985年6年的日径流模拟以及其中六场洪水进行信息熵计算和U不确定性计算，得出随着资料系列的增长，应用GLUE方法分析新安江模型的不确定性逐渐减小，两种方法的量化方法不同，但不确定性降低的走势基本相同，可以得出结论：GLUE方法分析新安江模型参数不确定性随着数据的增多，参数的不确定性降低，利于考虑不确定性情况的洪水预报。