环境是人类赖以生存的重要前提条件。人类为了满足自己的生活需要,—方面从环境中不断索取所需要的能源,另—方面人类又将自己在社会活动中所产生的废物废气排放到环境中。自从50年代以来,人类的活动使得人工辐射和人工放射性物质大大增加,环境中放射性物质的含量随之增多,危害着生物的生存,从而产生了放射性污染。环境污染如果不能得到及时的治理,将成为人类的一种灾难,因此,如何防治放射性污染,减轻放射性污染的危害与影响,已经成为当今的—个重大研究课题。其中环境监测数据对于预防和处理环境污染是至关重要的。然而,环境监测数据一般都来自于有限的环境监测站,由于环境监测站定位监测获取的只是局部、离散、有限的空间点数据,而如何充分利用已知的监测数据进行空间插值,从而推测出无监测站和少监测站的环境污染参数已经成为监测环境污染的研究热点。如果能够准确的预测出空气中污染物的含量,那么相关部门就可以提前采取措施进行治理,从而减少环境污染对社会造成的损失。　　 目前,已经有很多空间插值技术成功的运用到该领域,传统的空间插值方法主要有反距离加权法、泰森多边形法、多项式回归法、克里格法等,但是这些方法都是建立在空间上平滑连续的假设之上,对于监测站点密度比较大的地区,插值方法的精度才比较可靠,而稀疏站点以及环境污染参数变化较大区域的插值精度较难尽如人意。此外,也有一些学者运用神经网络模型对环境污染进行预测,虽然取得了一定的成果,能够得到较好的预测结果,但该方法对网络结构和初始参数的要求比较敏感,如果初始参数选择不合适的话,就得不到理想的预测效果,而参数的选取通常是凭借经验来设置的。鉴于上述原因,本文重点研究了将改进后的BP神经网络模型运用到放射性物质含量预测中,并对实验结果进行了深入的分析和比较。　　 本文首先介绍了对环境污染进行预测的背景和意义,然后从环境污染监测和人工神经网络在环境污染监测中的应用与发展两个方面列出了国内外的研究现状,分析了它们的优缺点,从而引出本文的研究内容。　　 其次,介绍了人工神经网络和遗传算法的基本原理,并介绍了如何用遗传算法对BP神经网络进行优化。重点介绍了BP神经网络的基本模型和遗传算法的基本操作,在掌握了它们之后,深入讨论了在用遗传算法优化BP神经网络过程中,如何实现遗传算法的每个操作,为后文模型的建立奠定基础。　　 然后对实验数据SIC2004的分布规律进行了分析,并利用空间相关性原理对数据进行了预处理。在介绍了实验数据SIC2004的来源及分布规律后,利用三角划分的方法对数据进行了预处理,增加了三个邻近点作为影响因子,并进行了标准化处理,经过这些预处理后,在一定程度上可以使最终的预测结果更加精确。　　 接着详细介绍了基于遗传算法的BP神经网络模型在放射性物质含量预测中的建立与运用。根据放射性物质含量监测数据的规律,对BP神经网络的网络结构进行了深入分析后,建立了合适的网络模型。在建立模型后运用该模型对放射性物质含量进行预测,并将得到的预测的结果与现有的一些方法进行比较,验证了该方法的有效性。　　 最后对本文的研究工作进行了总结,也指出了该方法的不完善之处,有助于以后进一步研究完善。