摘要：將天氣預(yù)報(bào)產(chǎn)品引入水文模型是提高長(zhǎng)期徑流預(yù)測(cè)精度的有效途徑,但引入方法仍存在難度。為此,以漢江上游梯級(jí)水庫(kù)系統(tǒng)為例,引入智能算法及相似典型放縮,構(gòu)建基于分預(yù)見期校正的CFS與SWAT耦合徑流預(yù)測(cè)模型,首先甄選智能算法校正CFS降雨,然后基于相似典型放縮對(duì)其進(jìn)行時(shí)空展布,最終將其輸入分區(qū)率定的梯級(jí)水庫(kù)SWAT模型,從而實(shí)現(xiàn)月徑流預(yù)測(cè)。結(jié)果表明,隨機(jī)森林和人工神經(jīng)網(wǎng)絡(luò)更適合于CFS預(yù)測(cè)校正且不受預(yù)見期影響,基于相似典型時(shí)空分布的耦合模型預(yù)測(cè)效果較好,能為梯級(jí)水庫(kù)系統(tǒng)提供更為可靠的徑流預(yù)測(cè)。