河流作为地表水体的主要组成部分，是工业、农业、生产和生活的重要水源，但由于人们不合理的开发、利用和保护，使水体污染、水环境破坏现象日益严重和频繁。为合理的制定水资源规划与管理、控制水体污染、保护水环境，需探明水质系统的内在机理，掌握水质的变化趋势。由于河流水质系统是一个受人工一自然二元驱动的、复杂的、非线性的巨系统，同时又是一个动态的非平衡复合系统，传统的水质预测方法依据建立的时间序列模型进行预测，其结果受所选模型的影响较大，且不可避免的存在人为主观性。混沌理论作为非线性科学的重要组成部分，可从整体上把握系统的行为，揭示系统的演化规律。鉴于混沌理论在其他领域的广泛应用，而在水环境科学中的研究相对较少，本文以混沌理论及相空间重构技术为基础，以黄河流域河流水质自动监测站的氨氮时间序列为研究对象，对河流水质系统展开分析，在现有的混沌理论基础上主要进行了以下三部分的研究：　　第一部分：鉴于混沌理论应用中原始时间序列存在不同程度的噪声，并可能对研究结果产生很大的影响，本文首先着重讨论了时间序列的降噪方法，并采用小波阈值降噪法对黄河流域4个水质自动监测站的原始序列进行非线性降噪处理。　　第二部分：以水质时间序列的相空间重构及混沌特性识别为重点，分别对原始序列及小波去噪后的序列进行研究。首先，阐述了相空间重构方法，重点讨论了相空间重构参数的选取方法，对各测站的原始序列及去噪后序列分别采用自相关函数法、互信息法和C-C法求解延迟时间，以Cao氏方法和饱和关联维数法确定潜入维数。根据各测站延迟时间和潜入维数的计算结果得出：序列中噪声的存在使得相同计算方法得到不同的结果，同时延迟时间从上游到下游变化规律不明显，潜入维数有沿程增大的趋势。其次，在相空间重构的基础上，分别采用定量描述和定性分析的方法，对各测站原始序列和小波去噪后序列进行混沌特性识别，通过不同角度的分析表明上述时间序列均具有不同程度的混沌特性，并且有沿程增强的趋势。　　第三部分：主要展开混沌预测研究。在采用传统的一阶加权局域预测法和基于最大Lyapunov指数预测法外，还将混沌理论、相空间重构技术与遗传神经网络有机结合，建立适用于混沌预测的混沌遗传神经网络耦合模型，并将其应用于济源小浪底监测站氨氮原始序列及去噪序列的预测中，通过三种预测方法的对比，结果表明：同一预测方法对原始序列的预测精度要低于小波去噪后的预测精度，进而说明序列中噪声的存在是导致预测精度低的主要原因，在实际应用中应对序列进行降噪处理；三种不同方法预测精度最高的是遗传优化神经网络模型，该模型对去噪后序列具有较好的预测效果，对原始序列的预测精度稍差，但高于另外两种方法，且预测精度最低的是一阶加权局域法。