随着环渤海地区经济的快速发展和海岸带的大力开发,渤海湾水体富营养化问题日趋严重,成为制约滨海地区经济发展的重要因素。建立渤海湾水体富营养化的评价与预测模型,对近岸海域富营养化的防治、修复和管理具有重要的意义。本文以渤海湾为背景,用混沌理论、神经网络、遗传算法等软计算科学方法,借助MATLAB语言,研究了渤海湾的海水富营养化评价模型,并通过分析渤海湾监测站点水质因子的主成分因子,建立了基于叶绿素a值的海水富营养化预测模型。论文首先介绍了神经网络和混沌理论的理论基础,并对混沌动力学模型进行了分析。其次,通过分析与渤海湾富营养化有关的主要因素,综合了物理、化学和生物指标,选取TP、TN、CODMn、Chla、SD和水温作为渤海湾营养状态评价的指标,确定了富营养化评价的标准,建立了基于人工神经网络的富营养化评价模型。进一步,针对BP神经网络的收敛慢、易陷入局部最优解等缺点,引入混沌动力学模型Logstic映射对BP神经网络进行优化,建立了混沌优化BP神经网络评价模型,采用足够多的学习样本对BP神经网络进行训练,并用检验样本检验了网络的泛化能力。本文模型与传统的NQI方法和E方法的评价结果相差较小。评价结果显示天津港口及排污口附近富营养化状况严重。最后,分析了遗传算法的运算过程,并根据其过早收敛等缺点引入混沌理论,利用Logistic方程构造混沌算子,形成了混沌遗传算法。建立了预测渤海湾水体富营养化的混沌遗传神经网络模型。该模型选取Chla作为网络的输出变量,运用主成分分析方法,对水质因子进行降维计算,筛选出对原指标具有较好代表性的指标,得到网络的输入变量,构建了网络模型。以水温、DO、PH、Chla及硅酸盐为输入变量,两周后Chla为输出变量的网络模型能够对渤海湾的水质变化进行较好的短期预测。通过误差曲线分析,预测结果与实测值接近。本研究表明,此神经网络模型能有效地模拟富营养化过程中的非线性行为,并能较好预测Chla的变化趋势,可为渤海湾富营养治理提供科学依据。