径流预报是水资源管理中的基本内容，其精度和预见期直接关系到水资源利用的规划、方案评价、决策和运行管理的效果与成败。准确的径流预报可以最大限度地协调水资源综合利用中出现的各种用水矛盾，为水权分配、调度及控制提供决策依据。由于径流形成过程中既受到确定性因素的作用又受到随机性因素的影响，因而径流变化非常复杂，对其未来的精确描述十分困难。中长期径流预报研究仍处于发展阶段，相对于短期水文预报而言，严重滞后于生产实际的需要。目前径流中长期预报方法很多，但对于年际变化较大的径流时间序列，使用常规方法进行分析和预报仍有一定难度，其预报精度有待进一步提高。本文将小波分析技术同人工神经网络、自适应神经模糊推理系统强有力的逼近功能相结合，以昭平台水库为实例，建立了6种月径流预报耦合模型：首先，考虑到非线性时间序列预测中，模型阶数难以确定的问题，采用小波分解和小波变换技术寻找影响月径流的主要成分，并以此作为模型输入项，建立月径流量与输入项之间的非线性映射关系。根据映射关系确定方法的不同，分别建立了基于小波分析的月径流人工神经网络预报模型和基于小波分析的月径流自适应神经模糊推理系统预报模型；其次，针对月径流年内年际变化幅度大、单一方法难以预测的问题，采用小波分解重构技术，将月径流系列分解到不同的信息子空间上，得到不同频率的分解信号；对各分解信号选用相应模型进行预报，最后通过重构来得到月径流预报结果。小波分析简化了预报模型的结构，有利于提高模型精度。根据分解信号预测模型确定方法的不同，分别建立了基于小波分解—人工神经网络的月径流预测组合模型和基于小波分解—自适应神经模糊推理系统的月径流预测组合模型；最后，针对月径流序列随机性变化大的特点，采用小波消噪技术对原始径流序列进行消噪，去除掉一些难以预报的噪声；在此基础上，分别建立了基于小波消噪—人工神经网络的月径流预测组合模型和基于小波消噪—自适应神经模糊推理系统的月径流预测组合模型。通过对以上6种模型模拟和预报结果的对比分析，发现基于小波分解—自适应神经模糊推理系统的月径流预测组合模型能够较好地模拟和预报月径流序列，可作为昭平台水库月径流量预报的推荐模型。