为提高内河航道水位预测速度和准确性，提出基于改进回声状态网络（ESN）的预测模型，引入Xavier方法进行权重优化以适应水位预测任务，同时，引入概念漂移检测方法（EDDM）适应实际水位环境，监测水位数据的分布变化，在检测到概念漂移时触发相应的模型更新或适应策略，提高对现实水位的预测效果。对九个水位站的数据实验结果显示，本文模型相较传统序列预测模型（SVM、RNN、GRU、LSTM、ESN及XESN(Xavier-ESN)），在整体预测性能以及短期、中期、长期预测中，对每个水位站的预测均表现出更高的预测精度，进一步提升了内河航道水位的预测精度。