当前我国水环境恶化趋势越来越严重,水环境作为自然生态环境的重要组成部分,其保护与治理备受重视,因此水质预测成为水环境研究的重要内容和课题。本文针对云南省牛栏江干流的水质特点,考虑到水环境复杂的内在系统,选用高锰酸盐指数(COD_Mn)作为水体环境中有机物受污染程度的综合指标,将COD_Mn浓度变化过程看成是随时间变化的一维函数。本文建立BP神经网络水质预测模型、黄金分割BP算法水质预测模型以及小波神经网络水质预测模型,运用这三种水质预测模型研究牛栏江干流七星桥断面COD_Mn短期内的浓度变化,计算预测值与实际值之间的相对误差,分析三种水质预测结果的误差接受度,得到一种预测精度最为理想的牛栏江七星桥断面的COD_Mn的短期水质预测模型。本文主要内容和研究成果如下:（1）建立BP神经网络模型,结果表明该模型获得的拟合过程良好、预测结果的相对误差在可接受范围之内,但存在收敛速度慢及隐含层节点数目难以确定的问题。（2）针对上述BP神经网络模型出现的问题,建立了黄金分割BP算法水质预测模型,该模型通过黄金分割法来确定隐含层节点数目,结果表明黄金分割BP算法水质预测模型在拟合过程和预测结果上精度都有所提高。（3）不论是BP神经网络模型还是黄金分割BP算法水质预测模型,均存在收敛速度慢,网络搜索能力差、易陷入局部最小等问题。针对上述两个模型中的不足,建立了小波神经网络预测模型,结果表明小波神经网络加快了收敛速度、提高了搜索能力、解决了BP神经网络易陷入局部极小值的问题。同时,小波神经网络的预测结果更为理想,误差更小,更适用于牛栏江七星桥断面的COD_Mn浓度的短期水质预测。