河流水质参数是研究河流水质状态变化建模时的重要数据,也是预报河流水质变化的重要依据。它对河流的利用、规划和环境评估等都有着十分重要的意义。目前,以河流水质模型的解析解为基础,利用数学优化算法对其优化,是获得水质参数的主要方法之一。　　本文主要针对一维河流水质模型和二维河流水质模型中所呈现的非线性较强的、难于求解的多参数寻优问题,将混沌优化算法、单纯形算法以及单纯形-混沌优化算法分别应用于识别一维河流水质模型和二维河流水质模型。然后根据数值实验所得的结果,讨论单纯形-混沌优化算法在识别上述模型时的优点。主要的研究工作如下:　　1、首先分析了混沌优化算法和单纯形算法各自的优点与存在的不足,进而构造出了具有全局搜索能力强和局部搜索速度快的单纯形-混沌优化算法;　　2、将结合后的算法应用于求解一维河流水质参数,通过计算所得结果与实际结果的对比分析,验证了该算法在求解一维河流水质参数时的可行性;然后讨论了解决此问题时混沌序列、粗搜索次数和单纯形迭代次数的关系,给出了混沌序列和粗搜索次数的建议值;待估参数的初始取值范围对单纯形-混沌优化算法的收敛速度有一定的影响,但不会影响该算法最终的收敛性;最后通过与结合前的两种算法就收敛率、收敛速度的对比,可知该算法改进了混沌优化算法和单纯形算法在求解一维河流水质参数时所存在的不足;　　3、将结合后的算法应用于求解二维河流水质参数,通过计算所得结果与实际结果的对比分析,验证了该算法在求解二维河流水质参数时的可行性;然后讨论了解决此问题时混沌序列的选取与收敛性的关系,给出了建议的混沌序列;待估参数的初始取值范围对单纯形-混沌优化算法的收敛速度有一定的影响,但不会影响该算法最终的收敛性;并就收敛率、收敛速度分别与结合前的两种算法比较,得出该算法改进了混沌优化算法和单纯形算法在求解二维河流水质参数时所存在的不足。