近年来，随着社会经济的不断发展以及人们的生活水平逐步提高，地处城市的湖泊以其独特的生态、景观功能，越来越受到城市居民的亲睐。但是，由于城市湖泊多为人工湖，生态系统复杂程度低，或者遭受严重污染，破坏了湖泊的生态系统完整性，导致城市中的湖泊抵御外界干扰的能力较弱。根据《2010年中国环境状况公报》数据显示，环保部组织监测营养状态的26个湖泊中，呈现富营养化状态的湖泊占42.3%。城市湖泊几乎全部处于重富营养化或异常营养化状态，绝大部分的大中型湖泊已具备产生富营养化的条件或已经处于富营养化状态（中华人民共和国环境保护部，2010），因此，科学有效地揭示湖泊生态系统健康状况，为湖泊管理部门制定有效的控制方案及政府部门的环保决策提供有力依据显得尤为重要。湖泊生态系统健康评价研究处于发展阶段，评价方法及评价指标等随着不同地区及不同研究对象而发生改变，且多数研究中评价指标权重的确定具有极大的主观性，致使评价方法无法推广。本研究基于此上问题，利用概率神经网络在处理模式分类中权重确定的客观性的极大优势，建立了基于概率神经网络的城市湖泊生态系统健康评价模型。在两年半的研究时间内，对广州市白云区白云湖的水质及生物进行了五次跟踪监测，获得了大批相关数据。依据国内外的湖泊生态系统健康评价研究及获取到的监测数据，建立了包括五日生物化学需氧量、总氮、总磷、溶解氧、生物多样性指数、综合营养状态指数、能质和结构能质在内的八项指标，并借鉴国家制定的环保标准和前人的科学研究经验对八项指标进行了分级，构建了由五个等级组成的以白云湖为研究对象的城市湖泊生态系统健康评价指标体系。最终，以评价指标为训练样本对概率神经网络模型进行训练，获得湖泊生态系统健康状态的评价结果。结果显示，白云湖生态系统健康情况有转好的趋势，但仍然比较脆弱，净化水质的能力有限；各监测点的评价结果呈现出季节性的变化，丰水期的湖泊生态系统健康状况明显优于枯水期，而年际变化不显著。根据评价结果，提出增加沉水植物及浮水植物等生态措施、实现白云湖彻底的环湖截污以及增加各类水质改善工程设施的数量三个方面的建议以改善湖泊生态系统健康状况。本研究中将基于概率神经网络的城市湖泊生态系统健康评价模型与BP神经网络模型进行了比较，以验证概率神经网络评价模型的优越性。与BP神经网络模型相比，基于概率神经网络的湖泊生态系统健康评价模型能更快并且更加准确的评价湖泊的生态系统健康状况，模型具有较强的推广性。