随着工业飞速发展，水体富营养化日渐严重，并已成为世界水环境重大的水质问题之一。当富营养水体作为供水水源时会产生一些不利因素，比如使水厂的混凝效果不理想、产水率下降、产生对人体有害的毒素等。水华的发生是水体富营养化的重要标志。因此，预测水华发生且及时发出警告使水处理部门能够采取相应措施尤为重要。　　本文对华南地区S水库进行了水质藻类风险预警研究。针对水库藻类水华产生的特点，通过对近一年水库气象、水质数据的整理与分析，建立了基于BP神经网络的S水库藻类水华短期预测模型。对水库水质的预测分为四个级别：不满足（水华发生）条件、初步满足（水华发生）条件、满足（水华发生）条件、临界或发生。预警模型为预防或处理水华发生赢得了宝贵的时间，减少了水厂应对藻类暴发风险的压力，为安全供水提供了保障。　　水库藻类四个预警级别的划分根据《全国重点湖库藻类试点监测技术规程》的相关规定。根据规程藻类的细胞密度（个/L）大于1000万个即为水华发生，藻类细胞密度小于100万个时认为不具备发生条件。根据水库现有监测条件和手段，网络模型选取水库水温、PH值、叶绿素总浓度、总磷、总氮、溶解氧六种水质指标作为神经网络预警模型的输入量。分别采用BP神经网络、广义回归网络、径向基函数网络对S水库藻类建立预警模型并进行分析。BP神经网络预警模型包括6个输入神经元、1层隐含层、2个隐含层神经元为，1个输出层神经元。借助MATLAB软件的GUI工具箱功能可以节省寻找最佳算法的时间和简化尝试最优网络结构的步骤。预警模型训练数据是水库20组实测数据，另外10组实测数据作为测试数据，模型预测准确率为80％，达到预期效果。