铀尾矿库不仅是重大危险源,同时还是一个长期潜在的巨大放射性污染源,尾矿库中的放射性核素、重金属及其它有毒有害物质通过扩散、迁移对尾矿库周围的生态环境(水、土壤和大气)造成了严重污染,因此必须对铀尾矿库进行退役治理。目前,对铀尾矿库的安全稳定性进行评价仅考虑了坝体的力学稳定性,这显然已无法满足铀尾矿库退役治理生态环保和可持续发展的需求。为此,本文借助于模糊数学理论,并结合了粗糙集、神经网络等多种理论和方法对退役铀尾矿库的环境稳定性进行了分析和预测,主要的研究工作包括:(1)收集了某退役铀尾矿库连续36个月的环境监测数据,系统的考察了退役铀尾矿库外排废水、废气及表面辐射等环境因素随时间的动态变化规律,通过环境因素的表征对其稳定化进程进行了初步分析。(2)引入了粗糙集理论,在对原始数据进行处理的基础上,通过属性约简的方法对环境指标系统进行了计算和分析,得出了影响铀尾矿库环境稳定性的核心指标集,并建立了以大气环境、尾矿库渗水及放射性污染为一级指标的退役铀尾矿库环境稳定性指标体系。(3)通过模糊数学理论,建立了一种新的铀尾矿库环境稳定性的分析方法,以精确的数学语言定义了指标的稳定区间和环境稳定率,并结合实例进行了分析。结果表明,经过一期退役治理后该铀尾矿库的环境稳定性整体仍处于较差状态,对酸碱度pH及放射性核素Po、Pb等因素应进行专项退役治理。(4)利用人工神经网络强大的非线性映射功能,构建了基于BP神经网络理论的铀尾矿库环境稳定性预测模型,并利用监测数据对网络进行了训练和仿真,预测结果与实际情况基本吻合;并通过单因素变量法进一步分析了各指标监测值变化对环境稳定性的影响程度,为铀尾矿库的综合评价技术提供了一种新的可行方法。