水华的形成是水环境中的典型问题，其影响因素包括水文、气象等多个方面，难以建立统一的数学模型对其进行有效评价与预测，研究人员虽然在这方面做了多年的探索和尝试，但是一直没有找到很好地解决方法。本课题在深入分析水华特点的基础上，采用神经网络作为研究工具，对水华的机理进行了建模研究，实现了北京市长河水系水华短期预报系统，并通过软件技术构建了预报平台。 本文首先介绍了目前水环境评价和预测研究中存在的问题，引入了人工神经网络方法和常用的几种神经网络模型，针对目前神经网络在水环境评价应用中的现实问题，总结出产生应用效果不理想的原因主要在于对水华机理的研究不够深入，以及没有充分利用水华特点进行建模。 接着，对水华的发生机理进行了深入分析，明确了水华和富营养化属于两个不同的概念，以及它们之间存在的辩证关系。在此基础上，通过神经网络的模拟功能，将水华的发生全过程清晰的分为零起点、萌芽、暴发、平衡和衰退五个阶段。通过对北京市长河水系历年水华发生情况及叶绿素含量变化趋势的研究，提出将长河水系水华分为无水华和轻度、中度、重度水华等四种状态，并对该水系的水华发生情况进行了评价。 在深入研究机理的基础上，结合主成分分析法，从北京市长河水系大量的水文监测数据中进行了重要影响因子的选择和仿真测试。同时针对神经网络在水环境评价中存在的问题，分析了不同影响因子组合对预测效果的影响，并比较了不同改进型网络算法、不同训练数据量、不同时间间隔等情况下模型的预测效果，进而提出了适用于北京市长河水系的水华短期预报系统模型方案。 最后，利用VB和MATLAB软件以及Active和COM技术等，构建了水华短期预测应用平台。