水环境质量评价是按照评价目标选择相应的水质参数、水质标准和计算方法,对水的利用价值及水的处理要求做出评定.评价的目的主要是准确地反映当前的水体质量和污染状况,弄清水体质量变化发展的规律,找出流域的主要污染问题,为水污染治理、水功能区分、水环境规划以及水环境管理提供依据.本文首先对人工神经网络的有关概念以及它在各个领域的实际应用进行了简单的介绍.其次重点介绍了模糊神经网络的模型结构、原理、算法及其特征.紧接着介绍了人工神经网络与模糊系统相结合的T-S模型的模糊神经网络的原理、算法和特征.由于现有的关于黄河宁夏段水质评价结果普遍受到评价者主观因素的影响,导致评价结果的客观性不足且准确性不高.鉴于此,本论文利用T-S模型的模糊神经网络具有自组织、自适应性较强、能够运用简单的一元函数的复合来实现复杂的多元函数的优势,通过样本的选择、训练以及仿真实验论证了将基于T-S模型的模糊神经网络运用在水质评价中的可行性.用黄河宁夏段水质样本检验训练好的T-S模型的模糊神经网络,结果表明：此模型评价结果的准确率和精确度都比较高,通过对实例的分析以及与BP网络模型和模糊神经网络模型的比较,发现它在水质评价中不仅可行,而且适用性强,结果客观、合理,具有深入开发的研究价值和良好的应用前景.可为黄河流域水污染防治和水资源保护提供了重要参考.