近年来,我国突发水质污染事件时有发生,造成很大危害和损失,而现有的河流突发水污染事故溯源技术仍面临响应速度慢,溯源结果不够准确以及监测断面数据利用不充分等问题。基于这样的状况,本文提出一种针对岸边排放的河流突发点源污染事件的污染物溯源算法架构,重点研究该架构下污染源反演算法、水质扩散模型在线率定算法、溯源结果抽样分析算法等关键技术,以提高溯源方法对断面监测数据的利用率、溯源响应速度以及准确度,通过案例计算和水槽模拟实验验证了相关方法的适用性。论文主要工作和创新点如下：(1)针对河流发生水质污染事故后环境监管部门难以有效利用污染物监测数据来定位污染源位置的问题,根据污染源反问题推导的思路,提出了一种基于马尔科夫蒙特卡罗(MCMC)方法的河流污染源反演算法。该算法将溯源问题转换成贝叶斯估计问题,根据污染源下游断面的观测值序列,结合污染物扩散模型,构建了污染源信息的似然函数,根据贝叶斯定理,推导得到污染源的后验概率密度函数,最后利用抽样算法对结果进行抽样分析,可以快速得到污染事件中污染源的空间位置和排放时刻等未知参数的概率分布。(2)针对水质模型离线率定工作实时性不高、计算结果准确性不易提升等问题,提出了一种应用断面监测数据进行水质模型参数在线率定的方法。该方法利用初始断面数据构建虚拟污染源,替代实际污染源来预测下游浓度,通过预测值与后续断面实测数据进行偏差分析,动态校正模型参数。仿真案例数据计算结果表明,该方法可以在线率定水质模型参数,得到参数的优化解,从而为溯源算法提供更可靠的水质模型,提高反演计算结果的准确度。(3)针对溯源结果特征分析时存在的抽样算法稳定性较差,及由此导致的抽样结果不能很好体现样本特征等不足,提出了一种自适应Metropolis-Hastings算法,该算法在标准Metropolis-Hastings算法的基础上,对提议函数参数设定做出改进,自适应计算提议函数的标准差,解决了接收概率不稳定导致抽样结果不易收敛的问题,使得抽样结果更能代表抽样对象的特征。实际案例计算结果表明,利用该算法,可以从参数后验概率密度函数中得到污染源的排放量、空间位置和排放时刻等未知参数的概率分布特征,且结果代表性更好。(4)开展了实验水槽模拟实验。通过在波浪水槽中投放示踪剂来模拟河流突发污染事件,将监测点实测浓度数据作为反演数据,在线率定了污染物扩散模型参数,计算了污染源的关键信息概率分布,计算结果和实测数据验证了所研究河流污染源反演算法和水质模型参数在线率定方法的有效性。论文研究工作为河流污染泄漏事件溯源增加了技术积累,相关算法成果将集成于课题组所研发的河流水质预警应急系统中,为有关部门掌握污染源信息、制定应急决策提供帮助。