摘要。本文评估了基于两个对比流域的六种已发布的水文预测数据融合策略：乌斯河和上游怀伊河。每条河流的输入水位和流量估算包含一组混合的单一模型预测。数据融合使用以下方法进行：算术平均法、一种概率方法，其中使用最后一个时间步长的最佳模型生成当前预测、两种不同的神经网络操作和两种不同软计算方法。使用统计和图形评估对调查结果进行比较。每个位置都展示了使用数据融合工具构建水文预测的最优估计的几种选择和潜在优势。与各自的建模同行相比，融合操作总体上更好，出现了两个明显的赢家。事实上，六种不同的测试机制表明，在解决不同类别的问题集水区行为方面，能力不平等，在这种情况下，最佳方法比最接近的竞争对手要好得多。不同数据的神经网络融合为稳定状态提供了最佳解决方案（原始数据的神经网融合有点类似），而模糊概率机制在更不稳定的环境中产生了更好的输出。讨论了水文科学中数据融合研究议程的必要性，并提出了一些初步建议。

关键词：数据融合、模糊逻辑、神经网络、水文建模