水质评价是流域水环境管理的一项基础性工作,简便且快速有效的评判水质类别,可为流域水资源利用及水环境规划管理提供决策依据。目前国内常用的水质评价方法有单因子指数法和内梅罗指数法,但这两种方法均存在过分突出最大影响因子的缺点,而当前研究热点人工神经网络模型需要大量样本数据训练模型,马尔科夫模型等人工智能分析研究方法又不能预测得到水质因子具体的浓度数值。因而当前水质分析研究在客观性、科学性和效率等方面均存在一定不足。在水质分析中为体现流域水环境在未来一段时间的变化趋势,研究在对现有水质分析方法研究的基础上,针对贝叶斯公式和时间序列方法建模样本数据需求少、预测精度高和操作简单等优点,提出了基于时间序列的贝叶斯水质分析方法。研究将贝叶斯公式应用于水质分析中,采用杰弗莱均匀分布原则,在获得了水质指标实际的监测数据后,对先前判断的水体属于某一类别水质的概率做出了修订,而得到实际上水体属于五个水质类别的概率,最终采取最大概率的原则确定水体属于某一类别。选取青衣江龟都府,木城镇溶解氧、高锰酸盐指数、化学需氧量、五日生化需氧量、氨氮和总氮等六个指标共59个月(2011.1-2015.11)的水质监测数据建立青衣江的时间序列水质预测模型,用2015年12月的实测数据作为模型的验证数据。利用基于时间序列的贝叶斯水质分析方法在对2016年1-6月青衣江洪雅段两个监测站点的水质因子进行了预测和评价,并与单因子指数法和内梅罗指数法进行了对比。在对比中,单因子指数法在评价中有6个时间点的水质为Ⅴ类水体,其余为Ⅲ类水体,内梅罗指数法在评价中有两个时间点为Ⅳ类水体,其余均为Ⅲ类水体。贝叶斯水质评价方法在两个站点的六个时间点的评价中,龟都府站点最大概率对应水质类别分别为Ⅱ类18.43%、Ⅱ类32.84%、Ⅱ类29.93%、Ⅱ类30.14%、Ⅱ类25.26%、Ⅱ类50.34%。木城镇站点最大概率对应水质类别分别为Ⅰ类42.05%、Ⅰ类42.34%、Ⅰ类41.16%、Ⅱ类37.23%、Ⅰ类40.04%、Ⅰ类39.93%。与直接预测得出的浓度值对应的水质类别最为接近,且最符合该段河流属于饮用水源地的情况。