人工神经网络技术具有很强的非线性映射能力和并行性、自适应、容错性及自学能力,已广泛应用于包括环境在内的多学科领域。环境影响预测始终是环境评价中的一个难点,本文将人工神经网络技术应用于环境影响评价和预测当中,通过案例研究用人工神经网络解决环境评价中因果关系复杂的非确定性推理、预测和分类等问题。本文以湖北省黄石市阳新县城北工业园规划环境影响评价为案例,选择人工神经网络中的BP网络,径向基网络和自组织竞争网络等三种网络模型对其进行环境影响现状评价,并对评价结果作对比分析,通过网络设计、网络训练和模拟,结果说明BP神经网络模拟结果比其它两种方法更贴近环境质量现状。同时对不同参数选取得到的结果进行分析,并经过网络参数的不断调整提高评价结果的精度,总结出各种神经网络模型在环境评价应用过程中参数的选取方法。在此基础上,借鉴国内外相关研究成果,本文提出三种预测思路:一是根据大气污染物的浓度受大气扩散条件及人为活动的影响的特点,提出根据监测时段预测其浓度的思路,二是根据污染因子在一定的时空范围内具有相对稳定,提出根据已知浓度预测未来浓度的思路,三是根据某些污染因子之间存在内在的联系等特点,提出根据已知污染因子的浓度预测未知污染因子的浓度的思路。对于每种预测思路均采用多种神经网络模型进行分析,案例研究结果说明,后两种思路得到的预测效果较好。为了将模糊系统的模糊信息处理功能与神经网络自学习的优点结合起来,本文学习、研究了模糊神经网络,并选用两种预测思路将模糊人工神经网络模型应用在阳新县大气和长江武汉段的预测案例中,得到了较好的预测效果,说明模糊神经网络的确体现了优势互补的特点。通过以上工作,本文总结出了神经网络设计中应注意:①神经网络模型有几十种,应用中应根据实际需要,结合网络各自的特点选择合适的网络结构。②网络主要参数的选择在评价和预测至关重要,需要通过反复试算进行调整,寻找最佳的隐层节点数、学习率和训练次数等。③训练样本应当经过筛选与处理,以保证网络模拟的准确性。神经网络模型种类繁多,计算方法的也在不断改进,关于神经网络在环境方面的应用也应有更深入。随着环境研究方法的完善和计算机技术的发展,人工神经网络必能更广泛地应用于环境领域的各个方面。