本书聚焦于提升洪水预报的精度与稳定性，针对中小河流和大江大河的洪水预报问题，提出了一种基于多水文模型组合的解决方案。作者以金华江、龙泉溪流域、屯溪流域及引汉济渭工程区域为研究对象，综合运用黑箱模型、概念性模型、新安江模型、BP神经网络模型等多种水文模型，并结合滞后演算法、集对分析、蒙特卡罗随机抽样等方法，构建了多模型组合洪水预报系统。研究结果表明，多模型组合方法能有效降低洪水预报的不确定性，提升预报精度，尤其是在中小河流的洪峰预报和峰现时间修正方面具有显著优势。此外，书中还探讨了洪水预报误差的来源及校正技术，提出了基于洪水特征库的K-最近邻算法和误差自回归法等校正方法，并结合数字高程模型(DEM)等技术，开发了洪水预报及预警系统，为水利工程的防洪决策提供了科学依据。