常见的水环境评价方法有:指数法、模糊评价法、灰色评价法、物元分析法,每种方法都有各自的特点及缺陷,在不同程度上缺乏全面性,未能将水环境质量更加准确的表述出来。基于以上问题,论文以锦州市小凌河作为研究对象,采用改进的人工神经网络方法进行地表水水质评价。近年来,迅速发展起来的人工神经网络算法在信号处理、特征提取、模式识别、非线性预测等领域得到了广泛的应用。地表水水质的评价,实质上可理解为环境工程中的模式识别和分类问题。文中应用人工神经网络进行水质评价,首先将地表水环境质量评价标准作为“学习样本”,经过自适应、自组织的多次训练后,网络具有了对学习样本的记忆联想能力,然后将实测资料输入网络系统,由已掌握知识信息的网络对它们进行评价。这个过程类似人脑的思维过程,因此可模拟人脑解决某些有模糊性和不确定性的问题。在使用人工神经网络的过程中,针对BP神经网络收敛速度较慢的问题,为了加速网络的学习速度,本文对所建立的网络的学习算法进行改进,采用L-M最优化算法训练神经网络,替代原BP算法中的梯度下降法寻找最佳网络连接权值。该学习算法提高了BP网络算法的学习效率及稳定性,并提高了网络的收敛速度。为了验证人工神经网络在地表水环境质量评价中的可靠性,本文又分别采用模糊数学法、南京指数法分别对同一水质数据进行评价分析。将所得的三种分析方法的结论加以对比论证,得出的结论是:通过比较分析评价结果可知,BP神经网络的评价结果与模糊综合评判法基本吻合,表明改进的BP网络方法适宜用于地表水质的综合评价,评价结果更为客观合理。