近年来，水环境的污染问题已经对人类的正常生活带来了严重的影响，而水华已成为水环境治理的主要问题。在水华形成的过程中，涉及到了多种不确定因素，很难直接用数学方法对水华机理进行有效地建模和预测。在近年来对水华的研究过程中，国内外许多学者从水华机理和水华预测两方面进行研究，并取得了一定的研究成果，使得水华预测已经成为水华研究的重点之一。针对水华预测的问题，本文提出了基于Elman人工神经网络的水华短期预测模型和基于Libsvm支持向量机的水华短期预测模型，旨在为水华的全面预测提供新的智能化研究方法，形成比较完整的水华预测系统。通过对两种预测模型的精度对比，将拟合能力较强的模型算法应用到苏州水源地的水华预测中，并使用软件混合编程方法建立水华预测操作平台，为苏州水源地水质监测与防治提供了更为全面的参考依据。首先，根据苏州水源地提供的水质数据源，确定了水华预测的指标体系，基于水华发生的机理以及能量积累的特性，将pH值、耗氧量、温度、光照度、浊度、氨氮、总磷、总氮、溶解氧和Chl_a作为水华的预测指标体系，为水华预测方法的研究奠定了基础。其次，提出基于Elman反馈型的神经网络水华短期预测模型，通过对该模型隐层节点数的选取，初步建立水华预测模型。根据不同时间间隔进行模型训练和预测仿真，得出基于Elman网络对水华短期预测有很好的预测性能。针对水华暴发具有时间序列的特性，提出基于Libsvm支持向量机的回归型算法模型。选取同样的时间间隔进行预测，其结果与Elman水华预测模型对比，得出Libsvm模型水华短期预测具有更高的准确性。同时，利用模糊信息粒化的支持向量机回归预测分析，对样本集进行未来十天叶绿素变化趋势和变化区间的预测，并取得了不错的成效。最后，将Libsvm短期预测模型综合应用于苏州水源地水质实时监测与智能化预警系统。使用Matlab2011与Visual Studio2005两种软件的混合编程技术搭建苏州水源地的水华预测系统的应用操作平台，并取得较好的实际应用效果。