河流水质模型参数识别,是建立河流水质数学模型、预报河流水质状态变化的基本数据。目前获得水质参数的主要途径之一,就是利用以相应的解析解为基础而建立的数据分析方法,分析河流水团示踪试验数据。确定河流水质模型参数,对于河流流域环境规划、环境影响评价等工作具有至关重要的意义。本文主要针对河流水质模型中所出现的多参数、非线性等复杂的参数优选问题,将粒子群算法、混沌粒子群算法应用于河流水质模型参数识别问题。通过数值实验,对其中存在的问题进行了一定的分析和讨论。文中的主要研究工作体现在:1.将粒子群算法应用于河流水质模型参数识别问题,通过实例分析,验证该算法的可行性与可靠性。另外,通过对数值实验结果的讨论,分析了粒子群算法需要进一步改进的问题。2.利用混沌运动的遍历性特点,将混沌局部搜索引入到粒子群算法中,提出了混沌粒子群算法,改进了粒子群算法易陷入局部极值的不足。3.采用混沌粒子群算法确定河流水质模型参数,进行了数值实验,验证了算法的可行性,并对实验结果进行分析比较;并将混沌粒子群算法在寻优率、平均迭代次数和平均最优值等方面与粒子群算法进行比较,显示了混沌粒子群算法的优越性。