将现有水文预报方法分为过程驱动模型方法和数据驱动模型方法两大类. 过程驱动模型指以
水文学概念为基础,对径流的产流过程与河道演进过程进行模拟,从而进行流量过程预报的模型.
过程驱动模型近年在中长期预报方面的发展主要表现在对概念性流域降雨径流模型的结构进行改
进,以适应较大时间尺度预报的需要. 数据驱动模型则是基本不考虑水文过程的物理机制,而以建
立输入输出数据之间的最优数学关系为目标的黑箱子方法. 数据驱动模型以回归模型最为常用,近
年来由于神经网络模型、非线性时间序列分析模型、模糊数学方法和灰色系统模型等的引进,以及
水文数据获取能力和计算能力的发展,数据驱动模型在水文预报中受到了广泛的关注.