水质评价是根据评价标准,通过所建立的数学模型,对水体的水质等级进行综合评判。在工业用水中,对水质的要求是很高的,所以要对水源进行水质评价,更好地满足用水要求。径向基函数神经网络是一种新颖有效的前馈式神经网络,它具有最佳逼近的性能和全局最优的特性,并且结构简单,训练速度快。遗传算法是一种全局并行的随机搜索方法,具有强鲁棒性,并具有收敛到全局最优的能力。RBF网络的设计问题就是关于网络隐节点数和隐层节点RBF函数中心、宽度和隐层到输出层的权值的性能指标的最小化问题。遗传算法与RBF神经网络的结合为解决这些问题提供了一条有效的途径。本文是对金山电厂的水源进行水质评价。由于地下水中杂质含量的变化规律复杂,呈高度非线性,存在着大量的不确定性因素,很难用精确的数学模型加以描述,因此本文建立了基于AGA(加速遗传算法)的RBF神经网络水质评价模型,并通过仿真实验证明,网络具有较好的逼近能力和泛化能力。