提出了一种基于多元统计分析和RBFNNs的水质评价方法,其可适用于大尺度、多断面、长时间的水质评价工作,旨在补充以往相关研究工作.其主要程序为:利用方差分析对各断面多年水质监测样本进行时间与空间尺度上的显著差异性分析,识别出具有显著差异的样本,然后通过层次聚类分析把上述样本进行聚类分组,最后应用径向基神经网络对各组样本进行水质评价,并把此评价结果再分解到各断面各时段,此方法的特点为在不损失信息的前提下能大大减轻水质评价工作量,且客观可信、分辨率高,并能综合反映总体与个别特征.以辽宁省太子河为例,通过方差分析将2001～2003年6个断面的144个样本归纳为存在显著差异的74个样本,再通过聚类分析得到9个相似组,相应的水质评价结果为2.7394、4.4306、4.0994、2.777、4.2192、4.1214、4.4129、4.4259、4.4359,与传统单项指数法的结果基本一致.具体落实到各断面,结果表明,2001～2003年间太子河大部分断面的水质处于IV类以上.