环境质量评价是我国实施的重要的环境管理手段之一。通过环境质量评价可对某一区域的环境质量状况作出科学的评估，并为环境管理、环境工程、环境标准的制订、环境规划、环境污染综合防治、生态环境建设等提供科学依据。多年来，国内外学者对环境质量评价方法进行了大量研究，但多数方法缺乏实际操作性。而目前我国环境评价实际工作所采用的传统评价方法存在一定的局限性和不合理性。因此，本文试图将人工神经网络方法引入环境质量评价，采用BP算法建立环境质量评价模型并用于实际的环境质量评价，从而为环境质量评价提供一种新的方法理论。 本文在前人研究的基础上，对用于环境质量评价的BP人工神经网络模型进行了两方面的改进，其一是对网络模型的专家样本(训练样本)进行了扩充，即在以国家制定的环境质量标准所构成的训练样本的基础上，在每级标准之间随机生成20组训练样本，从而提高了模型的鲁棒性和识别的准确性：其二是采用基于黄金分割理论的优化算法对BP网络模型的隐含层节点数进行了选优，使模型在进行了较少次的循环迭代后训练误差收敛到最小，从而提高了网络模型的性能。本文将改进了的BP人工神经网络模型用于拉萨市区环境质量评价，以拉萨市区大气环境质量实测数据和地表水环境质量实测数据作为模型的输入，对该市大气环境质量状况和地表水环境质量状况予以评价，对模型进行了验证。对拉萨市区环境质量评价结果表明：2002年拉萨市区的拉鲁湿地、哲蚌寺、青藏公路等三个监测点处的大气环境质量达到《环境空气质量标准》(GB3095—1996)一级标准要求，其余12个监测点处的大气环境质量达到《环境空气质量标准》(GB3095—1996)一级标准要求；地表水环境方面，除了拉萨水泥厂下游500米断面(11#)水质状况达标以外，其余断面均超标，流经拉萨市区的主要河流均已经受到较为严重的污染，水质状况较差。对模型的验证结果表明，BP人工神经网络模型用于环境质量评价是可行的，且具有评价结论客观、评价模型普遍适用、评价方法