近年来,无节制的点源和非点源污染排放造成的水环境污染问题日益严重,有效的水质管理规划已成为控制污染、促进流域系统的经济社会可持续发展的迫切任务。在水质管理规划系统中,大量不确定性存在于系统各组分(社会、经济、环境、技术、政策等)以及各组分的相互关系中。这些不确定性通过相互作用和动态影响而被进一步放大,并且会对决策方案产生影响,从而影响环境目标和经济效益。因此,本研究开发了一个基于贝叶斯的两阶段随机优化(BTIO)方法用于不确定性条件下的水质管理规划系统中。BTIO将贝叶斯方法耦合到区间两阶段随机规划(ITSP)框架中,可以有效处理水质模型输入数据不足引起的不确定性、表示为概率分布的随机不确定性以及区间值不确定性。构建的BTIO模型应用于三峡库区香溪河流域的水质管理规划实例研究中,以帮助决策者寻求最优的水质管理和污染控制方案。根据一系列的概率性水质约束条件,获得系统收益、工农业等活动的最优生产水平以及相应的总磷(TP)和化学需氧量的(COD)排放量。结果显示,模型反映了系统收益与违约风险(由系统各组分固有的不确定性引起)之间的复杂权衡关系；磷矿和磷化工厂是整个流域经济的支柱产业,这与当地丰富的磷矿资源密切相关,并且与它们较高的收益也有关；TP排放的主要贡献者是点源(磷矿公司和磷化工厂),COD排放的主要贡献者则是非点源(畜牧养殖和农村生活污水)。获得了污染物排放的相关信息,可以帮助管理者综合考虑经济发展、水质目标和产业结构,调整当地工农业生产规划以及政策措施。