针对水质的预测预警需要，本文主要围绕提高河流二次污染水质的预测精度来展开研究工作。 本文先对河流水环境基本知识，水环境质量标准，水污染主要水质指标，水污染危害以及水中各种物质的相互作用进行研究，特别是河流水质的二次污染。然后对当今河流水质模型的分类及常见的几种河流水质模型进行研究。 在对水环境和水质预测模型研究的基础上，重点讨论了BP神经网络预测模型的特点及其不足之处，针对BP算法易陷入局部极小、收敛速度慢的缺点，根据遗传算法具有全局寻优的特点，提出了用一种遗传算法实现BP神经网络初始权重优化的河流二次污染预测方法，充分考虑了BP算法的精确性和遗传算法全局寻优的特点，使BP算法摆脱局部极小的困扰，并且所训练的网络能够达到要求的精度。 然后把遗传算法优化BP网络初始权重的方法应用于河流二次污染水质预测中，使用MATLAB神经网络工具箱的GUI工具建立预测系统的神经网络模型，并对建立的网络进行初始化、训练和仿真的各种操作，界面友好直观，模型以预处理过的前245天的氨氮数据和亚硝酸盐数据作为历史样本数据进行训练，再以后来28天的氨氮数据来预测对应的亚硝酸盐的浓度。将优化方法的预测结果与标准BP网络建模方法的预测结果进行了比较，结果分析表明，遗传算法优化BP网络权重的方法有效提高了BP神经网络应用于河流二次污染水质预测时的预测精度。 最后对全文进行了总结，并对以后工作的研究提出了建议。