本書提出了新型耦合數據驅動模型。具體內容包括：（1）提出了基于滑窗累積雨量的降雨量候選輸入向量及輸入變量的分離式選擇策略，并與基于偏互信息的輸入變量選擇方法聯合使用，確保了輸入信息的充足性和無冗余性，對建立精度高、泛化能力強的高質量數據驅動模型意義重大；（2）提出了新型集成神經網絡模型——EBPNN模型及其率定方法。通過NSGA-II多目標優化算法和早停止Levenberg-Marquardt算法確定全局最優個體網絡個數、各個體網絡拓撲結構和網絡參數。個體網絡權重由基于AIC信息準則的權重確定方法確定。EBPNN模型在模擬精度和網絡復雜度間取得了良好折衷，精度高、泛化能力強、率定結果客觀、受人為因素影響小；（3）PBK模型不需要實時信息，能夠進行多步外推預報，實現了非實時校正模式下的高精度連續模擬，增長了數據驅動模型的預見期；（4）PBK模型不需要進行流域狀態變量的計算，僅需初始出流量就可進行出流量的連續模擬。敏感性分析結果表明，PBK模型對初始出流量不敏感，減小了初始出流量估計不當造成的不確定性。

本書可供洪水預報、水利工程、市政工程等專業領域的研究及工程技術人員參考，也適合高等院校相關專業的師生參考。