本发明涉及一种水文序列增强及预测方法，其步骤为：收集研究区域入口流量、出口水位及地形数据，拟合入口流量‑出口水位关系，进行洪水频率分析，构建水动力模型并进行率定验证；采用时间序列生成对抗网络获得入口流量边界合成数据集，选取80%频率以上入口合成流量及对应出口水位作为边界条件驱动水动力模型并获得待预测站点的模拟流量水位数据；利用时间序列生成对抗网络获得与待预测站点的合成流量水位数据；整合模拟数据、合成数据以及监测数据获得待预测站点的增强数据集；基于增强数据集进行水位预测及精度评价。本发明的有益效果是：待预测站点的增强数据能够提升深度学习模型对于流量水位关系的学习能力，提升水位的预测精度。