摘要： 为提高中长期径流预测效果，提出一种花授粉算法（FPA）优化极限学习机模型（ELM）的中长期径流预测方法。首先，构造反映流域水情丰枯变化的流域径流整体趋势变化因子（COM）,并采用偏互信息法获得影响中长期径流过程变化的关键因子集；然后，结合K折交叉验证与花授粉算法优化ELM参数，构建FPA-ELM模型，完成中长期径流预测。最后，以雅砻江流域为研究区域，将构建的FPA-ELM模型与BP神经网络（BPNN）、支持向量机（SVM）、ELM和GA-ELM等模型进行对比分析。结果表明：FPA-ELM模型的平均绝对百分比误差(Emape)为20.15%,均方根误差(Ermse)为268.77 m3/s,确定性系数(Edc)为0.916 9,合格率(Eqr)为60.0%,运算时间为19.32 s,均优于上述4种数据驱动模型。研究成果可为基于智能算法的中长期径流预测提供借鉴。