河流是陆地可利用淡水资源的最重要的组成部分,是离人们居住地和工作地最近的水体,是最易为人们获取的资源,也是最易受到人类影响和最易遭受污染的水体。目前世界各国的水质监测、水质管理和污染控制绝大部分都是针对河流水质的,我国的情况也不例外。在水环境质量评价领域中,BP神经网络和遗传算法(GA)这两种复杂非线性的人工智能科学的应用日益得到重视。本文分析评述了国内外河流水质评价研究发展,同时在分析阐述了BP神经网络和GA基本原理、算法和特点的基础上,将BP、GA两种技术引入水环境质量评价领域,建立了基于GA优选BP神经网络权值和阈值的渭河水质评价模型,实现综合水质评价,本论文研究的主要内容包括:(1)首先讨论了近年来水环境污染情况和水资源形势,同时把水质评价研究作为了水环境的一大课题,综述了国内外河流水质及其评价的研究进展,确立了以渭河陕西段水质评价为主要研究方向。(2)河流水质评价通过选定的水质参数得到一个水质类别,即实现从输入空间到输出空间的映射,要通过多个水质参数进行水质综合评价,则这种映射通常具有非线性的特点,所以本文引入了两种基于模拟生物学原理的人工智能技术,即BP神经网络和遗传算法,来更好地实现水质综合评价。论文阐述了BP神经网络和遗传算法的基础知识,包括两种技术的基本思想、学习算法及特点,继而对两种技术的工作原理和应用方式作了简要的说明,重点介绍了两种技术的基本流程;并充分利用遗传算法全局搜索功能强和BP神经网络局部搜索能力强的特点,将两种技术结合到一起,形成GA-BP技术,实现全局寻优和快速高效的目的。(3)通过河流水质评价概念,给出水质评价要求,最后根据江河水质评价的基本流程,分析比较了现有几种水质评价方法的优缺点,采用其中的单因子、主成分分析、BP神经网络、GA-BP四种评价法对渭河水质进行评价,并根据评价结果对这四种评价方法进行分析比较。结果表明,采用BP神经网络实现了非线性映射,可以根据多种水质参数给出较合理的评价结果,但是BP神经网络权值的学习采用梯度下降法易陷入局部极值。采用GA-BP模型,是基于GA找到最(次)佳的网络参数,继承了遗传算法强大的全局随机搜索能力,同时也继承了BP神经网络强大的局部搜索能力、并行处理、非线性优化和自组织自学习能力。所以用GA-BP模型进行水质评价在理论上可行,能够充分利用两者的优点,在实践上也有继续深入研究开发的价值,可以较好地实现水质综合评价,能从整体上准确、客观地反映河流水质情况,具有良好的应用前景。