我国作为一个干旱、缺水的国家,水污染问题也很突出。水质评价便是对水资源的质量等级做出评价。水质环境复杂多变,存在着大量的微生物和化学物质,增加了水质评价的难度。BP神经网络是现阶段应用最为广泛的神经网络模型之一。其自适应性、自学习性和分布式处理的能力在水质评价中已经得到了较好的应用。但是BP神经网络自身存在着一些缺点,会导致评价结果的不准确。因此需要寻找一个更加优秀的水质评价方法。本文对基于BP神经网络的水质评价模型进行实验和研究,希望找出更好的水质评价方法。研究中,发现遗传算法具有强大的宏观搜索功能,可以解决BP神经网络的局部极值问题,而自适应遗传算法可以提高收敛速度、优化学习效果。在实验上,分别用BP神经网络和用以上两种方法优化后的BP神经网络分别对水质进行了评价,结果显示自适应遗传算法优化后的BP神经网络对水质的评价取得了良好的评价效果。得出结论,使用自适应遗传算法优化原有的水质评价方法能够更好地为我国各流域断面水质做出评价,在水质评价中有着很好的适用价值,为水资源保护提供了数据基础。