韩晓霞，陈 媛，胡冠宇,3，唐帅文

(1.火箭军工程大学 作战保障学院，陕西 西安 710025；2.火箭军工程大学 导弹工程学院，陕西 西安 710025；3.桂林电子科技大学 计算机科学与信息安全学院，广西 桂林 541004)

目前，国内淡水存储量局部下降，以废水乱排、水质营养化等形式导致的水质污染在不断加剧[1-2]。我国虽然投入了大量资金进行污水治理，但水污染问题依旧严峻。因此，为尽早发现水污染情况并采取防治方案，水质预测变得十分必要。水质预测主要根据历史数据对未来水质状态进行估计，并为水环境质量、污染物排放等标准的制定提供科学的依据。现有水质预测模型主要分为机理性方法和非机理性方法[3]。例如，WASP(The water quality analysis simulation program)模型[4]以及丹麦学者Liang等[5]研发的MIKE模型可根据各污染物的迁移和转化规律建立水质预测模型，能广泛用于多种不同水环境中[6]。李如忠等[7]运用未确知数学理论建立了未确知数学模型，在监测信息不确定情况下可获得较为准确的水质模拟预测值。文献[8-10]分别提出了基于灰色模型、BP(Back propagation)神经网络以及GM(1,1)灰色动态模型的水质预测方法，借助历史数据建立较为准确的水质预测模型，能够有效适用于洪湖、人工湖等水域的水质预警预报系统中。上述方法在实际应用中均取得较好效果，然而作为一个典型的复杂系统，水环境中污染物对水质的影响不一，且污染物之间存在非线性关系[11]。因此，水环境的未来水质变化趋势预测存在众多不确定性因素，包括随机、模糊不确定性以及无知性[7,12]。……