本書結合目前深度學習在水文預報預測領域的應用現狀，目前深度學習應用于水文預報預測時存在著一些共性問題。大致可以分為三大類：（1）數據稀缺問題；目前水文數據的自動化采集傳輸以及數據缺失是亟待解決的問題；（2）原理解釋性問題；深度學習方法構建的模型往往依托于數據驅動的黑箱機制，這類模型雖能處理復雜關系，卻缺失了明確的物理基礎與內在過程機制的直觀解釋，使用黑箱模型可能會導致模擬精度不夠以及難以使人信服等問題；（3）參數選擇問題；如：隱層層數、卷積核大小、優化函數的設定等。當前對深度學習機制理解有限，實踐多依賴研究人員直覺與實驗迭代優化參數。就深度學習在水文預報預測中的應用進行深入研究，旨在選擇合適的深度學習模型，使其具有較高的模擬精度，研究內容主要包括：1、深度學習模型在中長期徑流預報中的應用2、深度學習模型在河湖生態流量預警預報中的應用3、深度學習模型在水文氣象干旱預報中的應用4、深度學習模型用于填補水文氣象數據。5、利用VMD-LSTM神經網絡進行潮位預測。本書適用于水文水資源領域的專業研究人員、環境科學與工程的學者和實踐者、數據科學與人工智能領域的專家、水利工程與水資源管理的決策者、高等院校相關專業的學生和教師。