水环境是一个充满不确定性的复杂巨系统，若要更加准确、真实地反映水环境系统中的各种现象，不确定性水质数学模型的研究与应用是十分必要的，但长期以来这方面的工作还局限于假设河道均匀情况下的稳态问题方面。本研究通过确定性水质数学模型、Monte Carlo随机模拟方法与人工神经网络（ANN）相互耦合、优势互补的方式构建了一种适用于天然河流复杂河道的不确定性耦合水质数学模型，突破了已有模型的局限性，将其应用于黄河白银段进行实例研究并与已有模型进行比较，结果表明：该耦合模型具备在复杂水环境下对河流水质进行不确定性模拟的能力，并且提供的水质信息相当丰富。1、论文主要研究结论与成果如下：（1）论文提出的不确定性耦合水质模型丰富了不确定性水环境的研究方法，对复杂水环境变化过程的理解与掌握具有一定的贡献；同时这种研究思路以及研究手段对于其它类似复杂环境系统行为的不确定性认识也具有一定的借鉴作用。（2）本研究通过二次开发后的ANSYS有限元软件与MATLAB的耦合，完成了确定性水质模型、Monte Carlo随机模拟方法与ANN在MATLAB环境下的集成，并将该不确定性耦合水质模型应用于黄河白银段主要污染物迁移转化规律的研究当中。模拟结果表明，针对COD_cr、NH₃-N和挥发酚三种水质指标，模型的平均模拟误差为9.6％，模拟精度较高，能够用来预测天然河流的水质变化过程。（3）论文中研究的不确定性耦合水质模型以确定性水质模型为基础，利用Monte Carlo随机模拟方法将确定性模型转变为随机微分方程类水质模型之后，再借助ANN的非线性映射泛化能力来模拟该随机水质模型的求解机制，取代模拟过程中的大量有限元分析计算，从而提高了模型的计算效率。（4）将论文中所研究的不确定性耦合模型应用于黄河白银段进行水质风险评价，结果表明：利用该模型不但可以通过各种污染指标的模拟浓度均值对水质是否超标进行判断，而且还可以利用模拟结果的概率分布特性对水质的超标风险进行定量评估。模型模拟结果提供的丰富的水质信息，对未来该流域控制水质污染、事故预警、保护水环境、合理利用现有水资源具有很强的实用价值。（5）采用相同算例和相同求解方法将论文中所研究的天然河流不确定性耦合水质模型与已有水质模型进行了详细的对比分析与确定性水质模型的比较结果表明：①不确定性耦合水质模型的模拟精度（（?）=9.6％）明显高于确定性水质模型的模拟精度（（?）=14.8％）；②论文中所研究的模型除了可以像确定性模型那样反映污染物浓度变化的趋势之外，还可以对水质风险进行概率评价，应用范围更广；③该模型利用Monte Carlo方法对影响水质变化的主要因素进行了随机化处理，因此模型参变量的选取更具客观性与科学性。与已有不确定性水质模型的比较结果表明：①本研究借助ANSYS有限元软件在数值求解复杂偏微分方程方面的优势构建的复杂河道不确定性耦合水质模型突破了已有不确定性模型只能对假设河道均匀情况下的水质模型方程进行解析化求解的限制；②该不确定性耦合水质模型的模拟精度（（?）=9.6％）要高于已有不确定性水质模型的模拟精度（（?）=10.6％）；③借助ANN的映射泛化能力，论文中所研究的不确定性耦合水质模型的模拟时间仅为已有不确定性水质模型模拟时间的26.9％，模拟计算效率大大提高，节约了计算资源。2、本文关于不确定性水质模型的研究还存在一些有待进一步深入的问题：（1）需要结合实验室实验和现场监测对影响水质变化的众多不确定性因素进行深入地研究分析，并且对模型模拟的水质指标进行扩展，以期建立更加完善和精确的水质模型。（2）应该争取找到的更多的实测数据，使模型接受进一步地检验。（3）与GIS相耦合，增强模型的交互使用能力，实现污染信息的可视化管理。