在强烈的人类活动中,受设备失灵、操作失误、人为破坏、自然灾害等因素影响,突发性水污染事件日益增多,严重威胁着人民的生命财产安全、社会稳定与生态健康。为有效预防突发水污染事件,降低由此带来的损失,世界发达国家高度重视突发污染事件的监测预警、追踪溯源与应急处置问题研究,但迄今缺少相对完善和成熟的理论、方法与技术。本文在前人研究和示踪试验观测的基础上,综合集成系统工程与环境水力学等相关模型方法,重点对河渠突发水污染事件追踪溯源系统分析理论与方法进行了深入研究。对深入认识突发水污染事件下河渠水流与污染物混合扩散统计规律,发展追踪溯源系统分析模型与方法,提高突发水污染事件的处置效率与技术水平,具有重要的理论意义与广泛的应用前景。论文主要内容与成果如下：(1)阐述了国内外突发水污染现状及原因,分析了河渠突发水污染追踪溯源方法研究现状及发展趋势,提出了本文的主要研究内容与总体思路。(2)分析了污染物在河渠中迁移转化机理,包括难溶、可溶和挥发等不同类型的污染物在河渠中迁移转化过程；并基于突发水污染事件的定义与特点,以及追踪溯源的概念,对追踪溯源基本原理展开了分析,归纳总结了河渠突发污染追踪溯源技术与方法。(3)构建了河渠一维、二维和三维水流水质耦合模拟模型,并分析了河渠水动力学及水环境的特点,提出了河渠水流水质耦合模拟模型的计算流程。经长江某河段实例研究,验证了耦合模拟模型的合理性。(4)以优化方法为模型框架建立了河渠污染事件追踪溯源优化模型,并率先构建混合微分进化-单纯形算法进行河渠突发水污染事件追踪溯源模型求解。算例结果表明,相比基于微分进化算法的追踪溯源方法,基于该类追踪溯源方法能有效缩减30%迭代次数和减少0.51%的总平均绝对误差,即所构建的追踪溯源方法具有较强的收敛性和精确性。(5)针对河渠突发水污染事件的不确定性,提出了基于贝叶斯框架的追踪溯源技术方法。算例表明,不同情景和不同观测误差条件下基于贝叶斯推理的追踪溯源方法得到的追踪溯源结果的平均相对误差均小于6%,且在非恒定流和测量误差σ为0.1时采用基于贝叶斯推理的追踪溯源方法所得平均相对误差和平均相对标准偏差均比采用基于单纯形算法的追踪溯源方法的要少2.81%和25.65%,即基于贝叶斯推理的追踪溯源方法具有较强的适用性、更高的辨识精度和一定的抗噪能力。(6)为了提高河渠突发水污染事件的追踪溯源精度和速率,首次设计了一种基于贝叶斯推理和微分进化算法结合的追踪溯源方法。算例表明相比基于贝叶斯推理的追踪溯源方法而言,新型方法能有效缩减3/4迭代次数且得到的结果平均相对误差小于4%,即本文所设计的新型追踪溯源方法具有更快的收敛速度和更高的精度。(7)最后,通过对全文研究内容与成果的归纳总结,指出了今后有待进一步研究的问题。本文的创新之处主要体现在：1)基于追踪溯源基本原理,率先提出利用混合微分进化-单纯形算法对河渠突发水污染事件追踪溯源进行研究；2)充分考虑了河渠突发水污染事件的不确定性,构建基于贝叶斯推理的追踪溯源方法；3)在基于贝叶斯推理的追踪溯源方法基础上引入微分进化算法,设计了一种既能提高计算精度和抽样效率,又能处理不确定性问题的追踪溯源方法。