水华的形成是水环境污染的典型问题，其中涉及到很多不确定的影响因素，难以建立统一的数学模型对其进行有效的预测和分析。近年来，广大学者从机理建模和智能预测两方面分别对水华预测方法进行研究，水华预测已成为水华研究的重点之一。 本文针对水华预测难的问题，基于水华机理的特点，分别提出了基于Elman神经网络的水华短期预测方法和基于最小二乘支持向量机的水华中期预测方法，初步建立了比较完整的水华预测系统，为水华预测探索了新的智能化研究方法。将该系统应用于北京市河湖水华预测，并使用软件混合编程，构筑系统的操作平台，为北京市河湖水华的防治提供了全面实用的参考依据。 首先，基于水华暴发的机理，从实验和理论两方面综合研究水华预测模型的输入输出变量。使用正交实验和粗糙集分别分析水华的主要影响因素，确定将“总磷，总氮，水温，光照，溶解氧和前一时刻的Chl_a”作为模型的输入变量，Chl_a作为模型的输出变量。为水华预测方法的研究奠定了坚实的基础。 其次，针对水华机理中能量随时间积累的特点，提出基于反馈型Elman神经网络的水华短期预测方法，使用改进结构和算法的Elman网络建立预测模型，选择不同时间间隔训练和测试，并与常用的BP网络模型进行对比，证明了Elman模型水华短期预测的准确性。 针对水华暴发具有时间序列的特性，提出基于最小二乘支持向量机的水华中期预测方法，最小二乘支持向量机是支持向量机的改进，研究最小二乘支持向量机的算法及其参数的选择方法，并选取不同时间间隔进行预测，最后将支持向量机与神经网络模型进行对比，证明了最小二乘支持向量机模型水华中期预测的有效性。 最后，将Elman短期预测方法和最小二乘支持向量机中期预测方法综合应用于北京市河湖水华预测检验，证明了两种预测方法的有效性。根据北京市水文总站实际需求，初步建立北京市水华预测系统。同时，使用MATLAB和VB两种软件的混合编程技术，搭建北京市水华预测系统的应用操作平台。