在水环境研究工作中，河流水质问题是目前的热点研究问题之一。在反映河流总体特征、预测河流水质状况时，河流水质模型参数是一种非常重要的基础性参数。目前，利用其解析解而构造的数据分析方法是得到河流水质模型参数的主要方法之一。例如，分析瞬时投放示踪剂条件下一维河流水团示踪剂实验数据、估算河流纵向离散系数的方法主要有: 直线图解法［1］、单站法、双站法、抛物线方程近似拟合法［2］、演算优化方法［3］、相关系数极值法［4］、粒子群优化算法［5］、单纯形加速法［6］和有限差分－ 单纯形法［7］等。然而，这些方法都具有一定的局限性，文献［8］对上述部分方法的优缺点做出了较为详细的介绍。
混沌理论属于非线性科学的分支，也是处理其他学科问题的重要工具，它在水环境学科的研究中也有一定的应用［9］。文献［10］成功地将混沌优化算法应用于求解河流水质模型参数问题，但是其收敛速度较慢。鉴于此，笔者将在局部区域搜索性能良好的单纯形算法［6］( simplex method，SM) 与在全局寻优性能良好的混沌优化算法［10］( chaos method，CM) 结合，构造了单纯形混沌优化算法( simplex-chaos method，SCM) ，并将其应用于分析瞬时投放示踪剂情况下一维河流水团示踪试验数据、求解断面平均流速与河流纵向离散系数的函数优化问题。通过数值实验初步分析了该算法计算结果的可靠性，讨论了待估参数的初始取值范围和该算法的控制条件对收敛性的影响，并与其他算法的收敛性和运算速度进行了比较。 | 
