本文在系统研究分析水质模型参数识别方法的基础上,深入分析研究了参数识别问题的非线性和不适定性等特点,明确参数识别问题的难点所在,归纳概括了目前参数识别的方法,探讨了这些方法在参数识别过程中的优缺点,并分析了参数识别方法的未来发展趋势及研究方向。引入了一种新型的基于种群优化的随机搜索方法—微分进化算法,为参数识别问题研究领域增添了新方法开拓了新思路。本文以李官堡水源地研究区的实验观测数据为依据,基于“三氮”迁移转化模型,对模型中的几个重要参数运用微分进化算法、模拟退火算法和遗传算法进行识别,并相互比较得出微分进化算法用于水质模型参数识别中具有收敛速度快、鲁棒性好、程序实现简单等优点,在未来参数识别领域中具有广阔的应用前景。第一章简要介绍了论文的选题背景及意义,并回顾了水质模型及其参数识别方法的研究现状。第二章探讨了地下水质模型中参数识别问题的非线性与不适定性,明确了地下水质模型参数识别困难的原因。第三章概述了参数识别问题的求解方法,详尽阐述了非线性求解方法,遗传算法、模拟退火算法的基本思想、步骤、流程图等,分析比较其优缺点及存在的局限性。第四章针对以上参数识别方法的不足,引入微分进化算法应用于傍河型地下水水质模型中参数求解,并与遗传算法、模拟退火算法的求解结果进行比较分析。第五章对全文研究内容进行归纳总结,并提出未来的研究方向。