水源地的水质质量对保证城市和农村居民的饮用水安全有至关重要的作用。然而近年来,水源地突发污染事件发生的频次和危害程度呈迅速上升趋势。针对我国面临的建立与加强水环境监测预警建设的实际问题,同时考虑到实际建设中的可操作性,本研究旨在基于目前较为普及的传统在线监测仪器,建立一套切实可行的突发污染事件探测预警方法。目前多数学者的研究集中于不同预警算法的建立与优化,但其测试数据均为计算机模拟得到的数据,对真实的污染事件无法起到良好的预警效果。本研究通过搭建中试系统,模拟了15种不同污染物引起的污染事件,以此实验数据作为探测方法建立的基础。本研究首次提出了基于皮尔逊相关系数的污染事件探测方法,并利用非支配排序遗传算法求解最优参数组合。对10种污染物共计32组实验数据进行求解,获得最优解集的帕累托前锋曲线,为决策者提供了参数设置选择。当参数取值兼顾准确率和错报率时,探测准确率为95.5%,错报率为4.4%;当参数取值倾向于低错报率时,探测准确率为93.0%,错报率为3.1%,均具有良好的探测效果。基于优化后的探测方法,分别利用已知污染事件测试集、未知污染事件测试集和日常基线测试集进行可靠性评价。结果表明,已知污染事件测试集的平均准确率为93.3%,未知污染事件测试集的平均准确率为93.6%,日常基线的平均错报率为0.35%,探测效果良好,具有较强的可靠性。同时,引入拉丁超立方抽样方法,分别利用已知污染事件测试集与未知污染事件测试集对提出的探测方法进行鲁棒性分析。结果表明,46组数据的平均鲁棒性为0.8520,鲁棒性良好。最后,本研究还原了以往学者提出的三种污染事件探测方法,并利用本研究的实验数据对这三种方法进行了测试与评价。结果表明,时间序列增量判别法和自回归模型判别法探测效果较差,多变量空间距离判别法探测效果较好;本研究提出的探测方法,效果远优于这三种方法。