人类活动和全球气候变化提高了极端水文事件发生频率,因此探索一种精度更高、更稳定的水文预报模式已成为趋势。本文尝试采用多种水文模型的不同组合策略构建组合洪水预报系统,以降低极端降水事件所带来的影响。本研究以金华江和龙泉溪流域历史洪水事件作为研究对象,通过滞后演算法分析流域河道平均演算滞时,分别构建黑箱和概念性单一水文模型。通过对水文模型进行组合后,以集对分析和蒙特卡洛随机抽样不确定性分析方法对组合前后结果进行综合评价,择优构建各流域多水文模型组合洪水预报系统。研究中共选择了 3种黑箱模型和3种概念性模型,采用8种组合方法按照3种模型结果组合策略对结果进行组合,由两种不确定性综合分析结果可得以下结论。(1)通过滞后算法寻找概念性模型和黑箱模型共同预报能力,在金华江流域的预见期可取为7小时、龙泉溪流域可取为3小时;(2)黑箱模型整体表现优于概念性模型,其中LSTM(Long Short-Term Memory)和 BP(Back Propagation)神经网络模型分别在金华江和龙泉溪流域表现最优,且在两个评价体系下金华江和龙泉溪流域最优和最差模型差距最小分别为370%和147%;(3)无固定权重组合方法整体表现优于单一权重组合方法,其中动态权重方法(DWC)表现最优而简单算术平均方法(AM)表现最差,在两个评价体系下金华江和龙泉溪流域最优和最差组合方法差距最小分别为14%和51%;(4)多模型组合洪水预报系统可有效降低预报结果的不确定性,且在两个评价体系下金华江和龙泉溪流域组合前后结果不确定性最大降低幅度分别为659%和1069%;(5)流量散点图的范围和对称性、90%置信区间大小、单评价指标和不确定性分析结果均表明金华江流域预报结果不确定性比龙泉溪高,有效证明了集对分析方法的适用性和高效性。