由于人口的快速增长以及社会经济的迅速发展,水环境保护压力不断加剧。本课题主要针对呼兰河水质的污染问题,建立水质监测系统实现重要水质因子的监测,进而建立水质评价模型对水体现状进行分析研究,并进一步对重要水质因子的具体数据与区间变化情况进行客观预测,预知未来的水质状况。论文首先基于物联网技术搭建呼兰河水质监测系统,系统主要包括数据采集模块、传感器模块、自动配水模块等,可实现化学需氧量、p H、氨氮等水质参数的采集与监测功能。然后,利用在解决高维非线性、小样本等问题上很有优势的最小二乘支持向量机(LS-SVM)的分类与回归算法对监测到的水质因子建立水质评价与预测模型。针对水质评价模型的建立,采用多分类最小二乘支持分类算法(LS-SVC)对国家地表水监控中心的水质数据进行学习训练,并利用自适应变异粒子群算法与交叉验证原理进行参数寻优,利用最优的多分类LS-SVC模型对呼兰河未知水质进行自动等级评价。针对水质预测模型的建立,采用偏最小二乘法提取水质数据的主成分并降低其多重相关性,进而通过最小二乘支持回归算法(LS-SVR)进行回归训练,对水质因子的未来数值进行预测;并将模糊信息粒化方法与LS-SVR结合,建立水质时序模型,实现未来三天水质数据趋势变化的预测。最后,利用预测的重要水质因子数值及其区间变化情况实现未来水质等级及其区间变化的预测,进而预知未来的水质状况。通过在监测现场实地测试可知,本课题建立的水质监测系统的采集精度与稳定性能够满足呼兰河监测站点的环境要求。通过实验仿真结果可知,本文建立的水质评价模型对未知样本分类准确率可达94%;水质预测模型可实现对重要水质因子的具体数值及未来三天区间变化的预测,并根据结果可对未来水质实现较为精确的预测。