随着工农业的快速发展,使用化学物质的种类及数量不断增加,加剧了我国土壤重金属铬的污染程度。因此,为了降低铬污染土壤对人类及生物的影响,亟需对其进行治理与评估。稳定效率是筛选和评估铬污染土还原稳定化工艺的关键因素,由于传统的实验方法耗时耗资、机理建模方法复杂等问题,本文研究采用多模型融合建模方法建立预测模型并应用于铬污染土还原稳定化效率的预测。这样将会大大降低铬污染土还原稳定化工艺所需要的时间、经济成本。主要研究工作如下:（1）为增强模型预测精度和稳定性,从参数差异层面提出了基于熵值法、CRITIC线性融合器的模型融合建模方法。采用UCI数据库中混凝土压缩强度年龄参数为7天的子数据集,测试和评估该建模方法的预测性能和稳定性情况。结果表明:除了svctq、abcq融合模型外,其他线性融合模型的预测性能都比其对应的单一最优子模型好。最优的线性融合模型为bstq,该模型MAE（平均绝对误差）、RMSE（均方根误差）、SSE（残差平方和）、R2（确定系数）的值分别为0.0450、0.0650、0.0803、0.9946;（2）为增强系统对有效信息提取和融合,提升模型预测精度和稳定性,从结构差异层面提出了基于BPNN、SVM非线性融合器的模型融合建模方法。采用UCI数据库中混凝土压缩强度年龄参数为7天的子数据集,对该方法进行预测性能和稳定性的测试及评估。结果表明:基于BPNN、SVM非线性融合器的融合模型的预测值与真实值的相关系数R~2皆大于0.99,模型的预测性能和稳定性皆比单一数据驱动模型更优。其中bp＿svm模型的性能最优,该模型MAE、RMSE、SSE、R2的值分别为0.0123、0.0188、0.0067、0.9988;（3）以铬污染土壤还原稳定化效率为研究应用对象,分别将提出的多模型线性和非线性融合两种建模方法应用到研究中。结果表明:除了abcq模型外,其他融合模型均能准确预测铬污染土壤还原稳定化效率。其中,以基于BPNN融合器融合SVM子模型的融合方式建立的模型最佳,该模型MAE、RMSE、SSE、R2的值分别为0.0119、0.0216、0.0186、0.9976;