水库入库流量预测在水电行业中起着至关重要的作用。现有的研究要么局限于点估计，要么在捕捉数据之间的高阶动态相关性方面效率低下。然而，有必要估计实际大坝运行中的数据不确定性。本文提出了一种新的入流预测方法，该方法利用生成流对复杂的多元水文时间序列进行建模。我们的流对流方法（F2F）利用基于归一化流的生成网络来增强确定性模型，以明确地捕捉多变量相关性并近似预测流入分布。此外，F2F可以量化预测的不确定性，以帮助解释模型行为和预测结果，同时促进实时水库运行的安全关键决策。我们在从大型水电站收集的真实世界数据集上进行了广泛的实验。实验结果表明，我们的方法始终优于现有方法，同时考虑了不确定的观测结果，并提供了易于处理的多步提前流入预测。
