针对径流时间序列固有的强非线性和非平稳性特征，提出了一种将集合经验模式分解（EEMD）、样本熵 （SE）和正则化极限学习机（RELM）相结合的非平稳日径流预测方法（ES-RELM）。为充分提取径流序列的局 部信息以提高预测精度，利用EEMD-SE 将径流序列分解为一系列差异度明显的子序列，然后根据各子序列的迥 异特征构建了不同的RELM 模型对各子序列进行预测，最后将各个子序列的预测结果叠加从而得到最终预测结 果。将该模型应用于金沙江下游控制站屏山站的日径流预报中，与九种模型对比结果表明，该方法