我国水资源虽然总量比较丰富，但是由于人口众多，人均水资源占有量却很低。同时，由于水资源在时间和空间上分布的不均匀，导致季节性和地域性的水资源紧张。随着社会、经济的发展，有限的水资源受到污染的程度越来越严重。因此，为了经济的可持续发展和人民生活质量的提高，对水体污染物的预测变得非常重要。本论文研究采用神经网络和支持向量机进行水体污染物含量建模与预测方法研究。将水体污染物含量构成的样本点，分别利用BP神经网络、RBF神经网络和支持向量回归来进行建模预测。　　 实验研究以京杭大运河扬州段的高锰酸盐指数(CODMn)和生物耗氧量(BOD)为研究对象。具体地，1986-2008年，各观测点一年12月的平均值作为当年的CODMn值所组成的样本集为BP神经网络、RBF神经网络的建模研究对象；2004-2008年每年1、3、5、7、9，11月份，各观测点的平均BOD值组成的样本集为支持向量机建模研究对象。　　 实验研究结果表明，在样本数目有限的情况下，BP神经网络、RBF神经网络和支持向量回归的网络输出与水体污染物实际值之间的误差在可以接受的范围，取得了较为满意的结果。可以进一步应用于实际水体污染的检测。　　 为进一步提高水体污染建模与预测水平和资源共享，采用Microsoft VisualStudio2005和Microsoft SQL Server2005开发了用于相关专家之间进行交流的论坛系统。系统共包括17个功能子模块，采用B/S结构体系。系统基于游客、注册用户，版主和管理员四种身份进行设计。当以不同身份登录系统时，系统为其分配了不同的操作权限。