六安市经济的高速发展和人口的不断增加，大量的工业废水和生活污水直接排入淠河中，使得淠河的水体污染日益严重，水体质量明显下降。水环境污染的日益加剧已经严重制约了六安市的社会经济发展，危害了六安市生态环境，直接影响到全市人民生活和身体健康。近几年，政府对淠河治理的投入不断加大，关闭了一些污染严重的中小型企业，使得淠河的水质状况得到明显的改善。　　 为了更好地对淠河的水质状况进行检测，现在的水质预测模型很多，但这些模型的预测效果不尽人意。因此本文在神经网络预测模型的基础上，结合多种神经网络的优点，组成一个多神经网络水质预测模型；并把该模型应用到淠河的水质预测中，通过该水质预测模型的预测，可以为六安市政府对淠河周围的生态环境建设的决策提供有利依据和理论支持。　　 本文的研究成果主要体现在以下两方面：　　 首先，本文研究了淠河的水质特点和影响淠河水质的主要因素，并利用多种神经网络预测模型的特点，找出了各个预测模型的优点和缺点，最后决定采用Elman神经网络，RBF神经网络，BP神经网络这三种神经网络。利用Elman神经网络，RBF神经网络，BP神经网络，把这三种神经网络有机地结合起来，建立了一个新的多神经网络水质预测模型。　　 第二，通过调研，收集到淠河水质的各项指标数据，对数据进行有效分析，选定了影响淠河水质的最主要的4个水质参数(PH值、溶解氧(DO)、化学耗氧量(COD)、氨氮)作为研究对象。然后，对多神经网络水质预测模型写出了相关的预测算法，并对影响淠河水质的四个主要参数，在MATLAB7.0仿真平台上利用算法进行仿真验证，并对预测结果进行了相应的对比和分析。　　 从仿真结果上看，该多神经网络水质预测模型优于单一神经网络的预测结果，从理论上验证了多神经网络预测模型适合水质预测。通过该模型对淠河水质进行预测，为淠河沿岸的生态环境建设提供更有力的参考依据。在实践上有继续研究开发的价值，具有良好的应用前景。