水质水量模型参数是进行地下水资源评估、地表水水质检测的最基本的数据,参数的准确性对于水资源的合理开发和水质污染的合理预测有一定的指导意义。本文针对水环境评价中的两种水质模型进行研究,建立基于现有水文地质勘探资料的优化算法,来确定两种模型的水文参数。针对地下水渗流模型和河流水质模型所呈现的非线性较强的、难以求解的多参数寻优问题,将单纯形算法和粒子群优化算法结合,构造的单纯形-粒子群混合算法应用于估计第一越流系统参数和二维河流水质模型参数。根据数值实验的结果,讨论单纯形-粒子群混合算法在估计上述模型参数时的优点。本文主要的研究工作如下:(1)首先介绍了粒子群优化算法和单纯形算法的原理和各自的优缺点,然后将全局搜索能力强的粒子群算法和局部搜索能力强的单纯形算法结合,构造了弥补各自缺陷的单纯形-粒子群混合算法。(2)将单纯形-粒子群混合算法应用于求解第一越流系统含水层参数,通过比较不同算法的计算结果,并与观测数据的拟合对比分析知,混合算法更可靠更有效。在计算越流系统含水层参数时,单纯形-粒子群混合算法种群规模对迭代次数、运算时间和收敛率有一定的影响;待估参数初值取值范围在一定程度上对混合算法的收敛速度有影响,但不会影响到算法最终的收敛性。通过分析渗流模型可知,含水层的水位降深是导水系数和储水系数的减函数,且导水系数的灵敏度要大于储水系数的灵敏度。(3)将单纯形-粒子群混合算法应用于求解二维河流水质模型参数,通过比较不同算法的计算结果并分析算法的迭代曲线知,混合算法在短时间内能收敛到比较精确的解,计算精度较高;对混合算法中的反射系数、扩张系数、收缩系数和加速因子如何取值进行讨论知,当算法中反射系数、收缩系数、扩张系数的取值分别为1、0.5、1.78,加速因子取值均为1.72时,算法的计算精度和性能达到最优;通过比较混合算法和粒子群优化算法的收敛率和时间性能指标知,混合算法弥补了粒子群优化算法在求解河流水质模型参数方面的不足,提高了算法的性能和效率。