三峡水库建成后，库区水生态环境显著变化，各支流回水区常年出现水体富营养化及水华现象，氮磷等营养盐含量充足，给藻类暴发性增长创造了有利条件。通过对叶绿素α浓度的预测，能直观地反映水质变化情势。本文分别运用小波神经网络和最小二乘支持向量机预测香溪河叶绿素a浓度值，并通过叶绿素a浓度的预测值对香溪河进行短期水华预测和预警。主要研究工作及成果如下：　　（1）收集、整理了三峡大学香溪河水生态与环境野外观测站2008～2012年香溪河水环境监测数据资料，分析得出，在观测期内，香溪河水体大部分时间都有适宜藻类生长的水环境，且香溪河XX06号样点年年都有多次水华发生。　　（2）以2008年～2012年香溪河XX06号样点水环境监测数据为基础，建立基于遗传算法优化的小波神经网络水华预测模型，采用一周前的透明度、表层光强、真光层深度、总氮、总磷、溶解性硅酸盐、表层水温、pH、溶解氧、电导率以及叶绿素a浓度这11个指标作为模型的输入因子，用来预测下一周的水华状况（叶绿素α浓度）。模型预测结果表明，GA-WNN模型能大致预测出叶绿素α浓度的变化趋势，模型平均相对误差为25.78％，相关系数为0.629，预测效果一般。　　（3）基于相同数据，建立了粒子群算法优化的最小二乘支持向量机水华预测模型，模型预测效果较好，相关系数为R=0.955。当叶绿素a浓度高于32.59 mg/m3，即叶绿素a浓度值高于水华发生的阀值水体发生水华时，相对误差仅为9.43%，说明当香溪河库湾发生水华时，该模型能用于水华（叶绿素α浓度）短期预测。　　（4）从预测相对误差、相关系数、模型耗等多方面对两种模型进行对比， PSO-LSSVM模型均优于GA-WNN模型。综合来看，PSO-LSSVM模型预测精度更高，能用于香溪河库湾水华（叶绿素α浓度）短期预测的短期预测。　　（5）根据郑丙辉等人提出的三峡水库水体富营养化评价标准，提出香溪河富营养化及水华预警方案，并利用叶绿素α浓度预测值进行了预警，15次预测有12次成功预测出了香溪河水华是否发生情况，15次预测均准确预测出了香溪河富营养化程度，预警效果良好。