酸雨(acid rain)一般是指pH值小于5.6的降水,包括雨、雹、雾等其它形式的大气降水。该术语在1872年由英国化学家史密斯(R.A.Smith)在《空气和降雨：化学气候学的开端》一书中首先提出。从那以后,酸雨便引起了全世界科学家的关注。目前酸雨污染已经成为全球十大主要环境问题之一。据统计,我国酸雨区面积约占国土面积的40%,是继北美和欧洲之后的世界第三大酸雨区。酸雨对自然生态系统、人体健康、建筑物等都有不同的危害,尤其是对农作物的生理、生长和营养品质等方面都有重大影响。本课题组选取在我国人民饮食结构中占有重要地位且对酸雨敏感的叶类蔬菜作为研究对象,并以具有代表性的三个叶类蔬菜品种小白菜、油菜和生菜进行模拟酸雨实验,通过对实验所得数据的分析,以发现酸雨对叶类蔬菜的影响机理和程度。本文运用模糊综合评价法和人工神经网络BP算法建模研究酸雨对叶类蔬菜的综合影响,通过建立综合评价指标体系和划分指标评价等级,利用主成分分析法计算得到的各指标的权重系数,以标准化后的模拟酸雨实验数据作为评价样本分别做综合评价。两种方法的综合评价结果反映出叶类蔬菜品质的综合评价等级是随着酸雨酸度的增大而降低的,而弱酸性环境对油菜品质的综合影响是有益的。运用这两种方法对酸雨的影响综合评价得出模糊综合评价法具有如下特点：(1)模糊综合评价法通过精确的数字手段处理模糊的评价对象,能对蕴涵信息呈现出的模糊性资料作出比较科学、合理、贴近实际的量化评价；(2)模糊综合评价的结果是一个向量,而不是一个点值,包含的信息比较丰富；(3)本文运用主成分分析确定各指标的权重,避免了模糊综合评价法对指标权重的确定主观性强的缺点；(4)模糊综合评价的缺点是指标个数较多,在权向量和为1的条件约束下,相对隶属度权系数偏小,权向量与模糊矩阵R不匹配,结果出现超模糊现象,分辨率较差,无法区分谁的隶属度更高,本文的评价结果中很多样本的最大隶属度与第二隶属度的差距就很小人工神经网络BP算法的特点如下：(1)人工神经网络BP算法是通过训练从输入到输出的映射,实现了复杂的非线性映射功能,在一定程度上体现了酸雨对叶类蔬菜复杂的综合影响关系；(2)计算结果简单明了,具有一定的推广、概况能力；(3)人工神经网络BP算法的训练是要通过确定的结果来进行网络的学习的,但是酸雨对叶类蔬菜的综合影响是一个探索研究过程,其结果并不是确定的,训练的网络的可靠性还有待验证；(4)人工神经网络BP算法对训练样本的数量要求较高,训练样本越多,学习得到的网络就越好,而本文采样分级标准值作为训练样本,样本数量只有5个,较少的训练样本数量使得学习得到的网络的显得不够精确。(5)评价得到的结果中,小白菜pH5.0(1)的综合评价结果是优于pH5.6(1)的,这与事实是不符的,说明BP网络对数据的容错能力不足,结果存在异常值。综合比较两种方法互有优劣,但在没有确定的输出结果和足够多的训练样本时,模糊综合评价法所得到的结果更符合实际,所反映的信息也更为全面。本文是酸雨对叶类蔬菜的影响的综合评价模型的探索性研究,由于指标的选取、分级和权重没有确定的标准,即使在研究过程中已经尽量避免使用主观方法,但缺少确定的检验方法,与实际情况还是存在一定的差别。这些都是本文发现的关于酸雨对叶类蔬菜的影响的评价模型研究方面所存在的问题。