水环境富营养化问题是当今世界面临的最主要水污染问题之一，氮的过量是造成水体富营养化的重要原因，水体中总氮浓度的检测是水环境质量研究的重要内容，本文以水体中氮浓度的检测为研究目标，针对自然水环境的特性，在对被测水样进行氧化消解后，建立了结合小波去噪和支持向量回归机的水质检测模型，研究了水质检测方法。论文的主要工作如下：1针对国标所规定的氧化消解方法中需要消耗化学氧化试剂，会对环境造成二次污染等缺陷，设计了一套利用臭氧、紫外光、超声波、高压静放电等氧化技术集一体的高级氧化消解装置。2针对经典软阈值滤波去噪法和空间域滤波去噪法在信号去噪过程中存在的不足，把空域相关小波滤噪法的思想引入软阈值消噪法，提出了一种改进的阈值小波滤噪法；同时又对空域相关小波滤噪法进行了优化，并把两种方法在不同参数下的去噪效果进行对比。3针对单一模型建模方法的缺陷和水质光谱数据的高维输入特点，提出了通过半监督近邻传播算法、无信息变量消除方法、偏最小二乘投影波段选择和连续投影算法等波段选择方法，对高维光谱数据进行波段选择，建立其检测模型；并在此基础上，利用支持向量机建立水质检测融合模型。4针对传统的水质连续光谱检测方法存在的模型复杂度高、易引入未知物质干扰光谱信息的缺点，提出一种基于紫外吸收光谱的水质中总氮含量局部线性嵌入-支持向量回归机建模方法。新方法利用局部线性嵌入算法对紫外吸收连续光谱数据作非线性降维，再利用支持向量回归机进行建模。仿真实验结果表明：新的建模方法降低了模型的复杂度，显著提高了模型的预测精度。5同其它学习算法一样，支持向量回归机的性能依赖于学习机的参数，不同参数的选择对于模型的推广能力有一定的影响。基于这一状况，针对水质预测建模问题，提出了一种基于混合粒子群算法的混合核函数参数优化算法。该算法针对混合核函数的核参数变量过多，难以人工选择确定的困难，利用混合粒子群进行参数优化。仿真实验结果表明，这种方法能显著的提高水质检测模型的精度。