可持续发展是关系人类前途和命运并为当今国际社会普遍关注的重大问题，水资源作为基础性的自然资源和战略性的经济资源，它的可持续利用是经济社会可持续发展重要保障。水资源短缺和水质污染严重已经成为我国经济社会发展面临的重大问题之一。水质污染预测是顺利实现水环境规划管理、水污染综合防治等任务不可缺少的基础工作，是具有普遍意义的一项重要内容。 在参考了国内外相关文献，系统总结国内外水质模型研究成果的基础上，针对本文的研究对象-东江石龙河段的特征，选择多宾斯-坎普水质模型为研究目标。并对其参数进行求解。而人工神经网络（ANN）是复杂非线性科学和人工智能科学的前沿，近年来，随着人工神经网络理论和应用技术的日益完善，逐渐成为各个学科的研究热点。灰色理论因其模型构建简单，而广泛用于离散的系统或是已知信息量较少的系统中。本文全面分析了水质模拟模型的发展情况和类型，阐述了灰色理论和ANN中的BP网络的基本预测原理，分别将两者用于水质预测。 本文主要在水质模拟的人工神经网络建模方法及其在水质预测的应用方面做了些探索性的研究，提出了一种对污染参数直接进行预测的新思路。本文较为详细的介绍了灰色预测技术和人工神经网络预测技术。首先分别采用GM（1.1）和微偏灰色预测模型对水质参数进行预测，选出其中精度较高者，而后采用改进的BP神经网络进行预测，在分别讨论了两者特点及其不足之处后，最后针对它们的互补性总结出基于灰色系统和人工神经网络的灰色神经网络模型。从而为提高水质预测系统的性能提供科学依据。 通过选用MATLAB仿真工具对模型进行训练。实例研究表明：通过观察仿真结果发现以本文提出的灰色神经网络控制的模型吸取了灰色系统理论和BP神经网络的优点，避免了单一预测模型所存在的预测风险，并且能取得比单一模型都要精确的结果。 以此灰色神经网络再对水质模型的污染参数进行预测，不仅能获得满意预测值，而且对污染情况有更为直观的把握。