目前地下水环境质量评价的方法很多，主要有单因子法、综合指数法、层次分析法、模糊数学法、灰色系统评价法等。尽管这些评价方法各具有一定的优点，但大都需要构造隶属函数和确定各评价指标的权值及怎样客观与合理确定权值。而隶属函数的设计不仅具有一定人为性，在某些情况下会丢失较多有价值的信息，且权重的计算方法也有不尽合理的一面。而人工神经网络(Artificial Neural Network，简称ANN)是一种利用计算机模拟人脑神经组织的运算模型。它具有很强的自适应性、自组织性和容错性能，已被广泛地应用于信息处理、自动控制和模式识别等方面。神经网络包含很多并行处理信息的单元，即神经元。其工作原理与环境接受外界刺激的过程相似。因此，可以尝试利用神经网络模型来进行地下水环境质量评价。且神经网络在一定程度上可以弥补传统评价方法需要构建隶属函数、无法精确描述级别区间内的变化特征以及设计过程具有一定人为偏好的不足。本论文的主要研究工作有：(1)研究了地下水环境质量评价的一般方法，并用单因子法、模糊综合评判法对昆明盆地孔隙水环境质量进行评价。(2)分析了经典灰色关联度分析法的不足，在此基础上引入了改进的灰色关联度分析法，并验证其有效性。(3)研究了人工神经网络产生、发展及其基本原理。(4)研究了BP网络原理及其BP算法的问题和改进。在启发式改进BP算法的基础上，结合地下水环境质量评价的实际情况，提出了一种新的待测样本数据处理方法，并将其成功的应用于昆明盆地孔隙水环境质量评价。(5)分析比较单因子法、模糊综合评判法、改进灰色关联度分析法及BP网络的评价结果，找出BP网络的不足，并提出了一种单因子法与BP网络相结合的评价方法。