近年来,河流突发性污染事件频频发生,严重威胁到群众的生命财产安全和社会的可持续发展,亟需研究应对突发性水质污染事件的预测、预警技术,建立河流突发性水质预警系统。本文结合国家水专项课题和国家自然科学基金项目,重点围绕突发性河流水质污染事故实时预警技术展开研究,提出并建立了基于机理和非机理模型的水质事故滚动预警方法,并嵌入到水质预警系统之中；研究应用了并行计算和任务动态分配技术,提高了预警计算的实时性和准确性。主要研究工作和创新点如下：(1)为进一步提升应对突发性水污染事件时水质预警模型的实时性和准确性,研究提出了一种可对模型参数进行实时校正优化从而提高预测预警准确度的滚动预警技术方法,并实现了基于机理模型的河流突发性水质滚动预警。滚动预警技术方法主要利用预测控制中滚动计算的思想,按照数据触发、水文数据预测、模型计算、模型校准和预警评价五个步骤完成突发性水质污染的预警。在滚动预警框架下,分别开发出基于Mike软件和圣维南方程的河流突发性水质实时预警模型,并结合实际需求进行了水质演化分析,预测预警结果达到了较好的效果。(2)为弥补机理模型在复杂边界条件下可能存在的建模困难、模型适应性较单一的局限性,研究了基于非机理模型的突发性河流水质事故滚动预警方法。以滚动预警方法为基础,分别采用基于ARMA时间序列模型、灰色模型和神经网络模型的预测方法,在此基础上,提出了组合预测方法,将各水质预测方法的预测结果通过加权方式进行组合,获得了更优的预测结果,在水质污染短期、中期和长期预警中都有较好的效果。(3)为了解决水质方程求解速度较慢的问题,研究开发了水质并行算法,达到了较高的加速比；研究了基于任务动态分配的并行算法,实现了具有较好负载均衡和容错特性的并行计算服务。在此基础上,采用SOA架构和适配器设计模式,研究了异步执行任务方法,完成了对并行计算服务的系统集成,提高了预警系统的并发性和可用性。