本书提出了新型耦合数据驱动模型。具体内容包括：（1）提出了基于滑窗累积雨量的降雨量候选输入向量及输入变量的分离式选择策略，并与基于偏互信息的输入变量选择方法联合使用，确保了输入信息的充足性和无冗余性，对建立精度高、泛化能力强的高质量数据驱动模型意义重大；（2）提出了新型集成神经网络模型——EBPNN模型及其率定方法。通过NSGA-II多目标优化算法和早停止Levenberg-Marquardt算法确定全局最优个体网络个数、各个体网络拓扑结构和网络参数。个体网络权重由基于AIC信息准则的权重确定方法确定。EBPNN模型在模拟精度和网络复杂度间取得了良好折衷，精度高、泛化能力强、率定结果客观、受人为因素影响??；（3）PBK模型不需要实时信息，能够进行多步外推预报，实现了非实时校正模式下的高精度连续模拟，增长了数据驱动模型的预见期；（4）PBK模型不需要进行流域状态变量的计算，仅需初始出流量就可进行出流量的连续模拟。敏感性分析结果表明，PBK模型对初始出流量不敏感，减小了初始出流量估计不当造成的不确定性。

本书可供洪水预报、水利工程、市政工程等专业领域的研究及工程技术人员参考，也适合高等院校相关专业的师生参考。