精确可靠的径流预测在水资源管理中起着至关重要的作用。研究提出了一种融合卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、自注意力机制（ATT）与自适应带宽核密度估计（ABKDE）的日径流点-区间联合预测模型（CNN-BiLSTM-ATT-ABKDE）。利用黄河源区唐乃亥水文站的日径流验证了该模型的有效性。研究结果表明，CNN-BiLSTM-ATT-ABKDE模型在点预测和区间预测方面均优于混合模型及传统基准模型。该模型在点预测中表现最优（决定系数R

2

=0.92，均方根误差RMSE=105.18，平均绝对误差MAE=62.89），在95%置信水平下区间预测覆盖概率达97.39%，且洪峰流量实测值均接近概率密度曲线中间部分。