随着沿海地区经济的快速发展和人口的激增,使得近岸海域的污染日趋严重。为了有效地控制近岸海域的污染,就必须掌握其特征和规律,并在此基础上合理确定近海水环境容量。以往的机理性研究没有很好的利用环境监测数据,从经济上和实用性上不适用于环境管理实际。本文以天津市近岸海域为研究对象,完全依据环境监测数据,综合运用多学科理论与方法,成功实现了近海水质的预测、模拟和评价,并提出了计算水环境容量的新方法,为近海污染总量控制和环境管理提供了决策依据。首先,根据灰色系统理论,对研究海域内的监测站位进行关联分析,计算站位之间的B型关联度,建立关联度矩阵和关联度排序矩阵; 依据上述信息,采用k-means方法对站位进行了分区,并提出了站位敏感度的概念,将研究海域分成了三个管理区域,得出了近岸海域的优化分区管理的思想; 其次,根据陆源入海水体的信息,成功地采用神经网络法预测监测站位的COD值,并采用Bayesian自动正则化技术解决了模型的过拟合问题; 首次采用Fourier级数对监测数据序列进行拟合,并应用强非线性加权最小二乘法成功确定级数中的系数用于预测; 而且,创新性的将上述预测结果采用由各自log-logistic概率密度确定的权重进行组合预测,误差大幅度降低。再次,以批处理SOM算法和MATLAB环境下的SOM工具箱为背景和工具,编制了近海水质评价软件; 通过SOM的训练,将高维的监测数据转化成二维图形显示; 结合环境科学理论,将监测数据分为5种污染类型,并实现了图形化的监测数据的追踪和归类,大大简化和改进了监测数据的分析工作。最后,本文首次采用地统计学原理分析了近岸海域污染物浓度的空间结构特征,在试验变异函数曲线的基础上,采用三种理论模型对其进行了拟合; 通过普通克里格插值成功实现了对于整个研究海域的污染物浓度估值; 结合GIS软件的地图代数运算的功能,确定研究海域的最不利区域,并依据质量守恒原理,最终确定了其在最不利条件下的水环境容量。