水质评价是通过对特定的水质样本选取适当的评价方法,从而对水体质量作出判定,划分水质等级。合理的水质评价有利于开发管理和利用保护水资源,保障社会持续发展和稳定生产。云模型是在概率论和模糊数学的基础上,通过正向云模型和逆向云模型实现定性语言概念和定量数值之间的映射,从而构成两者之间的不确定转换模型。粗糙集作为一种数学分析工具,能够有效处理不完备性和不确定性信息,通过构建决策表,在等价关系的基础上进行知识约简,并求出属性的权重。通过改进的粗糙集条件信息熵求取权重,避免了粗糙集中权重为0,该方法保证了各个指标在决策中的意义,将改进的粗糙集条件信息熵与云模型结合,建立改进的粗糙集-云模型耦合方法,该方法能够有效利用改进的粗糙集条件信息熵求取权重和云模型处理不确定信息的优势。为验证改进的粗糙集-云模型耦合方法的有效性与可行性,将该方法应用于我国代表性湖库的富营养化程度评价和我国西南某饮用水水源地水质评价,并将该方法所得结果与单一指标法和T-S模糊神经网络方法进行对比。结果表明,单一指标法评价结果过于严格,改进的粗糙集-云模型耦合方法和T-S模糊神经网络方法评价结果基本相同,验证了该方法的有效性与可行性。改进的粗糙集-云模型耦合方法评价过程清晰直观、计算简单,且充分考虑了各个指标权重对最终评价结果的影响,更具有说服力;同时该方法在评价过程中可得到各水质指标隶属于该水质指标等级的确定度大小,从而判定该项水质指标被污染的程度,更能够全面地对水质进行评价。