随着社会经济的发展,排入河流的污染物质不断增加,流域水环境质量不断下降,水质评价作为水环境管理和水污染防治的基础步骤也越来越受到社会关注。由于水质评价是一个涉及多个水质指标的综合评价过程,呈一定的非线性相关性,而现有地表水质评价方法不能表示水质指标之间的定量关系,基于贝叶斯网络具有因果关系推理能力强、变量之间相关性表示直观、能较好的处理不确定性问题等特点,针对水质信息的复杂性以及水环境系统污染变化的不确定性,本研究将贝叶斯网络理论引入到水质评价中,通过贝叶斯网络的学习、构建、推理,建立一种基于贝叶斯网络的水质评价新方法并对水质因子之间的关联性进行分析。以青衣江洪雅段2013年-2015年的水质数据作为样本数据,选取DO、COD_Mn、COD_Cr、BOD₅、NH₃-N、TN六个水质变量和水质等级F变量,利用MATLAB、MSBNX、GENIE等软件,采用K2搜索和互信息相结合的网络结构学习算法、最大似然估计的网络参数学习方法、双向推理的联合树推理算法建立水质评价贝叶斯网络模型,并得到如下结论:1)模型验证,对2015年木城镇断面12个月的水质情况进行评价,模型正确率达到83.3%,证明其正确性;2)水质因子关联性分析,该江段与水质污染有直接关联性的指标为TN、NH₃-N、COD_Mn,除此以外,TN指标浓度的改变会对其他的指标有直接的影响;NH₃-N指标浓度的改变会对COD_Mn指标产生直接的影响以致间接影响DO指标的浓度变化;3)指标对水质的影响程度表现为COD_Mn>NH₃-N>TN;4)水质因子重要度分析,当水质较清洁为I、II类水时,水质主要影响因子为COD_Mn,当水质较差达到III类水时,TN是该江段影响水质的主要贡献者;5)以2016年木城镇断面水质为例,对相关联指标进行等级预测,预测准确率达到83.3%及以上。该方法判断水质类别简便迅捷,改变了传统水质评价方法的片面性和悲观性,更有利于指导河流水质控制和资源化利用,对相关联未知指标预测准确率较高,弥补水质信息的缺失,为流域水环境管理提供了一种新思路。