生物完整性指数(index of biological integrity，IBI)是一种被广泛用于评估生态系统健康状况的指标。研究生物完整性指数和环境因子之间的响应关系，有助于了解环境因子对生态系统健康的作用和影响，为环境管理者的决策提供科学依据。　　本文以大型底栖动物为指示生物类群，根据2009年～2010年太子河流域干流及支流共计280个样点的野外调查获得的生物和环境数据，首先综合考虑生境条件和水质条件筛选参考点和受损点，计算大型底栖动物生物完整性指数(B-IBI)并利用其对流域进行健康状况评价；而后通过自组织映射网络(self-organizing map，SOM)将样点按照环境因子的空间差异进行分类，探讨了环境因子与B-IBI之间的关系；然后利用多元线性回归(multiple linear regression， MLR)和BP神经网络(back-propagation neural network，BPNN)建立了环境因子对B-IBI的预测模型，定量化确定了环境因子对B-IBI变异的贡献；最后将预测模型应用于环境管理目标的设定，为类似预测模型的应用方向提供了建议。主要研究内容和结论如下：　　(1)利用B-IBI开展太子河流域水生态健康状况评价，结果显示，所有样点中健康、亚健康、一般、较差和差的样点数量占比分别为5％、18.6%、43.2%、21.1%和12.1%。太子河中上游地区样点总体较健康，中下游地区样点总体较差。从上游到下游，河流的健康状况逐渐下降。绝大多数样点在平水期和丰水期的健康状况一致，说明季节变化对其健康状况的影响不大。　　(2)根据所有样点的21个环境因子数据，利用SOM方法将所有样点划分为有较大差异的8类，按照从下游到上游的方向分布于4个区域。SOM的样点划分结果与环境因子存在空间差异的实际结果吻合，而不同类别样点的B-IBI值也存在差别。上游区域中B-IBI的较高值主要是受林地等原始自然环境保存较好，受人类干扰少，栖境底质利于底栖动物生存的影响；而下游区域中B-IBI的较低值，主要受到了较高浓度的营养盐物质、受人类干扰较大的土地利用面积较大的影响。　　(3)利用MLR和BPNN分别建立环境因子对B-IBI的预测模型，结果表明，两个模型都有较好的稳定性，MLR的稳定性(CCI＝0.67)略优于 BPNN(CCI＝0.58)；MLR的学习能力(R2＝0.65)差于 BPNN(R2＝0.82)，预测能力与 BPNN相近(R2＝0.61和0.65)。这与MLR仅能识别数据间的线性关系，而BPNN能够识别非线性的复杂关系有关。若要进一步提升模型对于太子河流域B-IBI的预测能力，应当增加至少一个与表征土地利用综合作用的指标作为模型自变量。　　(4)MLR模型认为能够解释B-IBI变异的环境因子有4个，分别为底质指数、NH3-N、TDS和距入海口距离，其中距入海口距离和NH3-N是贡献较大的因子。除了距入海口距离和 NH3-N，BPNN中贡献度较大的环境因子还有建筑面积占比、林地面积占比、耕地面积占比、CODMn、流速、坡降、水深、海拔、SS。上述环境因子对B-IBI的影响既有正向又有负向，体现了B-IBI受环境因子影响的复杂程度。　　(5)将MLR和BPNN模型应用于环境管理目标设定，结果发现MLR对环境因子取值的限制比 BPNN更为严格，目前的环境因子取值情况并不能满足水生态健康化的要求，应当采取针对性措施控制。