大到全球生态、小至菌群活动,环境问题具有与生俱来的复杂性。复杂系统的信息寄存于数据当中,在环境信息大量涌现的趋势下,数据思维是处理问题的必由之路。本文以复杂的污染控制与资源化系统为研究对象,以数据分析为工具,通过具体的污染控制与资源化议题,研究了数据分析方法在环境领域的应用。文中分别总结了复杂系统的研究方法、完善系统数据的粗糙集理论、多目标评价等数据分析方法,并将以上数据分析与模拟技术应用于具体的污染控制与资源化实践,对复杂环境系统的能耗与效率进行了优化。主要结论有：1.以活性污泥法废水处理工艺作为复杂系统的实例,应用多目标决策方法,实现了多项水质指标同步优化,并进一步将操作成本纳入优化目标。同时,用神经网络算法解决了多目标优化研究中的瓶颈,从而能够灵活的根据出水需求调控工艺参数。2.以河流清淤作为粗糙集的实例,应用数据挖掘算法,在不增加数据采集量的基础上,实施了智能清淤方案,为精确清淤提供理论依据,避免传统清淤工作造成的底栖生态破坏,显著降低清淤成本。3.以有机废弃物热解技术为研究实例,开展生命周期评价。构建了生物质从生产到热解及产物的二次利用的完整过程。从环境、能源、经济的角度提出最合适的生物质利用方案,即将生物油用于燃烧,生物碳用作土壤修复剂。4.通过对两种污水处理工艺(AAO和倒置AAO工艺)的比较,应用数理统计方法,建立清晰、简洁、直观的模型,分析结果表明倒置AAO工艺在除磷效果和适应性上较好,但在脱氮效果和稳定性不如AAO工艺。最后,文章展望了大数据分析的新思维将要给环境领域带来的变革趋势。