随着国家科技的进步，经济的不断发展，保护和利用水资源工作日益备受关注，国家也把水资源保护工作提到了极为重要的位置。

以河流为例，作为重要的国土资源，河流是自然生态系统的重要组成部分，是大自然赐予人类的”天然宝库”，在经济社会可持续发展中发挥着重要的作用。

目前，学者们提出了各种评价水质的模型，有些方法在评价水质的过程中取得了较好的成果，但各种模型的局限性也比价明显，如：人工神经网络模型[1]容易产生过拟合和稳健性不足的缺点，向量机模型[2]的泛化能力在很大程度上依赖于核函数的选择。

因此，研究一种调整的参数较少，分类性能好，不用担心过拟合的算法具有十分重要的意义。

一、课题研究的目的与意义 城市发展的进程中，人口密度越来越大，随之而来的是更加频繁的城市扩张和工业园区建设，河流两岸土地利用方式频繁发生变化，耕地和林地遭到大幅度侵占，破环了原有的生态平衡。

再加上生活污水和工业废水排放量不断增大，导致污水不断进入河道，给河流生态健康带来了很大的影响，严重影响了鱼类和水生生物的繁殖[3]。

本课题的研究方向主要是基于随机森林模型的水质评价，通过对现有随机森林算法的改进，以获得更准确的河流水质评价等级。

通过对现有算法的研究和改进，使系统可以对水质做出更精确的评价，最终达到准确评价的目的。

本课题通过相关研究，改进现有的随机森林模型，以满足实时评价中准确性、快速性，实时性的要求。

二、国内外研究现状 美国是较早开展水质评价的国家。