随着全球性资源生态危机的加剧及全球化进程的飞速发展,全球范围内的水资源短缺与水源水质恶化问题日益突出,水安全已成为全球首要课题。　　 当前我国优质淡水资源短缺,频发的饮用水源污染又进一步加剧了饮水安全矛盾。饮用水安全、尤其是饮用水水源的环境保护问题已成为我国环境保护重点工作的首要任务。　　 对水源地水质进行科学评价是水源地水质保护的基础,有利于管理部门更好的了解水源地水质状况,分析水源地水质变化趋势,识别水体主要污染物,推动水源地保护工作的开展,从而保障人民群众安全饮水。　　 本文首先阐述了BP神经网络和遗传算法的基本理论及其优缺点,并对二者的结合进行了探索研究:BP神经网络擅长局部搜索,但易陷于局部极小点,GA擅长全局搜索但局部精确搜索能力不足。因而,GA与BP算法的结合,能够很好的实现优势互补,不仅能够发挥神经网络的泛化映射能力,还能够使得神经网络具有很快的收敛性和较强的学习能力。　　 鉴于以上研究,本文基于Matlab建立了BP网络模型和GA优化的BP神经网络模型,通过对水质标准的训练与学习,达到了较高精度,并将二者进行对比,得出结论;采用GA-BP网络模型,能够在更短的时间内,达到更高的精度,收敛速度和质量明显优于BP网络模型,体现了遗传算法进行全局搜索的有效性,从而证明了运用遗传算法优化BP神经网络的参数是成功的。　　 最后,用训练好的GA-BP网络模型对安徽省96个典型乡镇饮用水水源地进行评价,并与单因子评价方法的评价结果进行了对比,得出GA-BP网络模型的评价结果:不符合Ⅲ类水质标准的水源地共有8个,其中河流型水源地中不达标水源地2个、地下水型水源地中不达标水源地6个,湖库型水源地全部达标,典型乡镇水源地水质达标率为91.7％。