太湖流域地跨江苏、浙江、安徽和上海地区,人口较密集,且工农业发达,是我国经济最发达的地区之一。近年来,我国许多湖泊频发暴发藻类水华,其暴发级别、灾害程度均在大幅度的增长。对太湖藻类水华暴发与环境因子之间关系和变化趋势进行研究,可以为确定藻类水华主要环境影响因子、模拟藻类生物量的动态变化提供理论和技术支持,提升对藻类水华暴发的预测和应对能力。因此,本文着眼于气象、水文、水质等环境因素对藻类水华暴发的多元驱动作用,量化藻类生物量与各环境因素之间的相关关系,识别驱动藻类水华的显著影响因子,构建有效的藻类水华预测模型,分析藻类水华的变化趋势,为藻类水华的控制和预警提供科学依据和技术支持。主要研究结果如下：统计全太湖近几年藻类水华面积的年际变化和年内变化规律发现：2007～2012年水华在年际变化上,水华级别较高、次数较多的年份主要在2007年和2010年；年内变化中水华主要集中在5月和7-10月。分析水华发生前后各气象要素的变化范围、趋势和规律,研究气象条件对水华暴发的影响发现：藻类水华暴发受多个气象因素共同影响和制约,一般高温、低压、长日照、少降水有利于藻类水华的发生；且不同级别藻类水华发生前7天和当天的气象因素变化范围不同。以太湖水源地监测点为研究对象,利用相关性分析、主成分分析、灰关联度分析三种统计方法,研究藻类密度和气象、水文、水质等环境因素之间的相关程度,在沙渚南取水口关联度大小为：高锰酸钾>pH>总磷>水温>气温>气压>风速>相对湿度>溶解氧>氨氮>日照>总氮>降水；在锡东取水口关联度由大到小为：水温>高锰酸钾>总磷>pH>气温>气压>相对湿度>风速>氨氮>溶解氧>总氮>降水>日照。综合得出对藻类密度影响显著的环境因素有气温、气压、水温、pH、高锰酸钾、总磷六个因素。利用上文得出的对藻类水华影响显著的六个环境因素作为自变量,藻类密度和相应水华等级作为因变量,建立藻类密度的多元统计回归方程,并利用六个环境因素作为网络输入,藻类密度和相应水华等级分别作为网络输出建立BP神经网络模型,并对模型预测结果进行检验。分析两种模型的预测误差结果,发现BP神经网络模型的预测效果好于多元回归方程的预测效果；同一模型在不同监测点的预测效果也不一样,两种模型在沙渚南取水口的模拟效果都高于锡东取水口。