原水作为保障城市生活、生产和生态环境的主要水源,其供水安全直接影响到城市的可持续发展与社会稳定。近年来,城市化进程的加快和城市人口的增多,导致中心城区供水规模不断扩大、城市用水总量逐年增加,使得城市水资源供需矛盾日益加剧、缺水形势越来越严峻。水资源时空分布不均匀性与人类社会需水不均衡性的客观存在,使得兴建调水工程以及开展多水源联合调度等措施成为缓解城市水资源短缺问题的重要途径。中长期径流预报可以为水库编制年供水计划提供输入条件,其准确性直接关系到供水调度的决策质量,但是,目前的径流预报模型多偏重于单一预报模型,且存在一定提升空间。此外,在实际调度过程中没有充分体现径流预报结果及其不确定性对水库供水策略的影响。受全球气候变化影响,径流序列一致性假设不复存在,水文气象干旱事件频发且强度增大,而现有的调度方案难以应对枯水情景对城市水资源系统带来的潜在挑战,亟需开展深入的研究。本文以宁波原水水库群为研究对象,围绕枯水情景下考虑预报不确定性的城市原水供水系统存在的科学问题,开展以下几个方面的研究工作:（1）针对多维Copula函数在分析径流丰枯遭遇特性时多局限于阿基米德类Copula函数的限制,以及对于径流样本量较少时采用极大似然估计（ELM）易得到不可靠的参数估计值,本文选取4座大型水库为研究对象,运用多种Copula函数构建两两径流变量组合的联合分布,应用基于梯度的内点优化算法（IPOA-G）估计函数参数并确定最优Copula函数,借鉴逐层递归的思想构建了具有普适性的分层嵌套Copula函数。研究表明,和极大似然估计方法相比,基于梯度的内点优化算法估计的Copula函数参数在其构造变量联合分布时拟合效果更好;4座水库年径流量组合构造了上层为Gaussian Copula、底层为Gaussian Copula和Clayton Copula的嵌套函数。（2）针对中长期径流预报模型的因子筛选效果一般、且预报精度仍需提高等问题,本文以白溪水库为例,根据“信号分解—分量预测—模态重构”的自适应框架,构建了基于多影响因子驱动的月径流混合预报模型。根据径流突变年份将研究时段划分为率定期和验证期,采用离散小波变换（DWT）、变分模态分解（VMD）和自适应噪声完备集合经验模态分解（CEEMDAN）将逐月径流序列分解成多个模态分量;运用Pearson相关系数和随机森林（RF）筛选驱动模态分量的遥相关预报因子和常规预报因子;利用长短期记忆人工神经网络（LSTM）预测径流模态分量并重新构建逐月径流序列。研究表明,分解模型为CEEMDAN或VMD构建的混合模型预报效果要优于分解模型为DWT构建的混合模型预报效果。多组混合模型在率定期和验证期均有不错的预报表现,率定期的NSE均大于0.84,而验证期的NSE均大于0.78。分解模型为CEEMDAN、因子筛选方法为Pearson相关系数和RF、分量预测模型为LSTM、预报因子为常规因子和遥相关因子的预报模型是白溪水库月径流预报效果最好的混合模型。（3）针对过去的拓扑关系遍历方式不能适用于复杂供水系统中多水源向多水厂联合供水的建模需求,本文提出了以遍历河道实体为核心的拓扑关系概化方式,并以此构建了水库群供水优化调度模型。围绕传统的枯水情景径流生成方法多局限于选取典型年的实测数据,不能反映径流组合多变及其时空关联特性等问题,通过前文构建的分层嵌套Copula函数耦合拉丁超立方抽样（LHS）和多因子最近邻抽样回归模型（MNNBR）,提出了时间-空间-量级多重随机的径流样本生成方法。设置联合分布概率生成多组径流数据集,并将其输入调度模型,揭示了不同枯水情景与受水区缺水风险的映射关系,提出了应对枯水情景的水库群供水调度策略。研究表明,在设计保证率为90%的低水位工况下,江东水厂的缺水风险为0.222;在设计保证率为95%的低水位工况下,北仑水厂的缺水风险为0.249。（4）针对现有的方法难以刻画多个水文站多阶段的径流预报误差随时间变化的问题,本文利用同一水文区具有相似气候条件、同一预报模型产生的的多站预报误差存在空间关联性的特征,分析了单站预报误差的分布特性和多站预报误差的分布特性,构建了耦合蒙特卡洛情景树和Vine Copula函数的水库群供水随机优化调度模型。研究表明,和确定性预报来水相比,考虑预报误差的来水在3种来水工况下可以分别降低供水破坏深度32.0%、36.5%和31.7%。