长短时记忆网络适合于处理长序列依赖问题,对于水文径流这种受长时间间隔的气象等因素影响的复杂过程能够有很好的处理和模拟能力。本研究基于长短时记忆网络以泾河流域为例建立四种模型,分别是直接预测模型、差分预测模型、平均值预测模型和复合校准模型,目标是对流域的月平均径流量进行预测。复合校准模型和平均值模型在新安江上也有很好的模拟预测能力,证明了模型的有效性、可用性和可泛化性。在掌握了准确水文数据的情况下,直接预测模型对于日平均径流量有很好的预测效果,但是会因为误差累积造成月平均径流量预测准确度略有下降;差分预测月模型消除了直接预测月模型中的误差累积,提高了月平均径流量的预测准确度,但是仍然依赖于前序时间段上的水文数据;在没有掌握近期每日水文数据的情况下,平均值模型显得尤为实用和重要,该模型完全抛弃了预测中对于前序水文数据的依赖,可以独立地预测出每日的日平均径流量和每月的月平均径流量;而复合校准模型是基于直接预测模型和差分预测模型在平缓期和峰值期的表现优势互补,使用校准模型对两模型的预测结果进行二次校准,提高了预测的准确度和稳定性。本研究为预测某流域的月平均径流量提供了不同种类的模型。值得指出的是,平均值模型抛弃了对于近期前序时间段上水文数据的依赖,证明了在水文预测模拟中近期前序水文数据并不是必要的。