水资源短缺、水质恶化已经成为人类面临的巨大威胁。近年来,水污染的防治工作中水质预测已经成为国内外学者研究的重点之一。然而水环境污染过程的非确定性和高度非线性性,决定了水质模型的复杂性和求解的困难,使传统的方法和工具显得力不从心。人工神经网络(ANN)是复杂非线性科学和人工智能科学的前沿,其在水质预测方面的应用研究,目前在国内外尚处于初级阶段。本文在前人应用人工神经网络预测水质的研究现状基础上,尝试对该方面的学习研究工作进行有益探索。文中对BP神经网络的结构及其算法进行了研究,为克服传统BP网络用于水质预测的不足,采用了L-M算法改进的BP网络来对数据进行学习训练。论文以西安市供水水源地——黑河为例,在分析研究区水环境概况、污染来源及其对水质影响的基础上,选用黑河的陈河及艾蒿坪两个断面1995～1996年奇数月份的水质监测数据中的7项组成学习样本,并对样本数据进行了分析处理。建立了含一个隐含层的3层BP神经网络,用MATLAB语言编写程序并在MATLAB平台上实现该神经网络模型,将处理过的样本用于所建立BP神经网络的学习训练,用训练好的网络对水质指标进行预测。将预测结果与实际监测结果进行比较分析,结果客观、合理。对黑河水质的预测结果表明,将L-M算法改进的BP神经网络用于水质预测是可行、有效的,而且预测精度比传统方法有较大提高。该方法能对水环境污染状况做出快速、准确的预见,对水环境的保护和防治工作提供依据。