针对水电站水淹厂房风险预警需求，以西南地区某地下厂房布置式水电站厂房的渗水排水系统为例，提出一种结合Prophet时间序列模型与XGBoost模型的组合模型预测方法，旨在提高渗流水排水流量的预测精度。基于该水电站的排水流量、坝址降雨量和坝址气温等多源监测历史数据，首先建立了Prophet模型以预测排水流量时间序列的趋势性和周期性变化，再采用XGBoost模型对Prophet预测残差进行非线性修正。结果表明，相较于基础Prophet模型，引入降雨量等外部回归变量后的增强模型可将测试集平均绝对误差由4.01 L/s降低至2.79 L/s;而Prophet-XGBoost组合模型进一步将平均绝对误差降至0.53 L/s

展现出组合模型优异的残差修正能力。此外，通过系统比较基于平均平方误差、伪Huber误差、分位数误差和自适应非对称误差等不同损失函数对组合模型预测效果的影响，发现采用Huber损失函数能够更好地捕捉并预测雨季排水流量的峰值。研究结果验证了Prophet时间序列模型与机器学习残差修正模型相结合的组合建模策略在水电站渗流水排水流量预测中的有效性。