在水環境研究工作中，河流水質問題是目前的熱點研究問題之一。在反映河流總體特征、預測河流水質狀況時，河流水質模型參數是一種非常重要的基礎性參數。目前，利用其解析解而構造的數據分析方法是得到河流水質模型參數的主要方法之一。例如，分析瞬時投放示蹤劑條件下一維河流水團示蹤劑實驗數據、估算河流縱向離散系數的方法主要有: 直線圖解法［1］、單站法、雙站法、拋物線方程近似擬合法［2］、演算優化方法［3］、相關系數極值法［4］、粒子群優化算法［5］、單純形加速法［6］和有限差分－ 單純形法［7］等。然而，這些方法都具有一定的局限性，文獻［8］對上述部分方法的優缺點做出了較為詳細的介紹。
混沌理論屬于非線性科學的分支，也是處理其他學科問題的重要工具，它在水環境學科的研究中也有一定的應用［9］。文獻［10］成功地將混沌優化算法應用于求解河流水質模型參數問題，但是其收斂速度較慢。鑒于此，筆者將在局部區域搜索性能良好的單純形算法［6］( simplex method，SM) 與在全局尋優性能良好的混沌優化算法［10］( chaos method，CM) 結合，構造了單純形混沌優化算法( simplex-chaos method，SCM) ，并將其應用于分析瞬時投放示蹤劑情況下一維河流水團示蹤試驗數據、求解斷面平均流速與河流縱向離散系數的函數優化問題。通過數值實驗初步分析了該算法計算結果的可靠性，討論了待估參數的初始取值范圍和該算法的控制條件對收斂性的影響，并與其他算法的收斂性和運算速度進行了比較。 | 
