我国经济快速发展,环境治理压力日益增大,河流突发污染事故时有发生,往往导致严重的环境、经济和社会问题。准确预测事故发生后下游预警点的污染物浓度对有效控制和减少事故的影响具有重要意义。基于此背景,本文着重研究河流突发污染事故水质预警问题,在上游突发污染事故时可根据实测数据动态校正模型参数和预警结果,设计基于不同场地的污染物扩散实验验证算法,并将相应研究成果应用于具体水质预警系统中。论文主要工作和创新点如下:(1)目前对水质预警模型的研究大都以静态模型为主,难以利用不断丰富的实测数据对静态模型进行持续的校正和优化。为了提高预警模型的准确性,论文结合各断面的实测数据,研究了一种河流突发污染事故水质预警模型的动态校正方法。论文以一维水质模型为基础,在预测过程中纳入实测数据,采取分段校正的方式对预警模型进行动态校正,利用预警点上游各断面的实测浓度数据构造"模拟污染源",进行预警模型参数和预警结果的校正和优化。同时,考虑支流对污染物扩散的影响,根据质量守恒原理进行了支流校正。(2)为了提高校正算法的计算效率,避免算法陷入局部最优解,研究并提出了一种基于改进遗传算法的参数动态校正方法。该方法以标准遗传算法为基础,对编码方式、初始种群生成、交叉和变异方式进行改进,并加入移民算子防止算法早熟。(3)为了降低模型结构误差和测量误差的影响,提高预警结果的准确性,研究提出了一种基于卡尔曼滤波算法的污染物预警结果动态校正方法。该方法以水质模型为基础建立状态方程,通过估计系统噪声协方差矩阵Q和测量噪声协方差矩阵R,在模型参数校正的基础上对预测浓度进行动态校正,以进一步提升预警结果的准确性。在理论研究的基础上,进行了风浪流水槽等不同实验场地的污染物模拟扩散和预测预警实验,以验证水质预警动态校正的有效性。进而,结合某河流(实际水源地)的监控预警要求,参与开发了完整的突发污染事故水质预警系统,并把预警模型参数和预警结果的校正功能在系统上进行部署。