水库作为储存和调节水资源的关键设施，其输水量的准确预测对于水资源的合理分配、防洪抗旱、灌溉以及生态保护等方面均具有重要意义。针对水库输水过程波动性大导致现有模型预测精度不高的问题，提出基于变分模态分解（VMD）、麻雀搜索算法（SSA）、门控循环单元（GRU）的水库日输水量短期预测方法。为减小原始序列中非线性、非平稳特征对预测精度的影响，采用VMD分解重构原始序列，得到具有不同中心频率的本征模态分量。为克服神经网络模型参数确定困难的缺陷，采用SSA对GRU模型的参数进行优化，建立各模态分量GRU模型，将各模态分量预测值叠加作为水库日输水量的总预测值。以深圳市立新水库为例进行分析，结果表明，所提模型具有最高的预测精度，平均绝对百分比误差为1.156 4%

与GRU模型(M

MAPE

=11.019 2%)和VMD-GRU模型(M

MAPE

=1.606 2%)相比，所提模型的预测误差分别降低了89.50%、28.00%

验证了该方法的有效性和优越性，为水库日输水量预测提供了一种新方法。