随着经济的跨越式发展,水环境面临巨大压力,给水环境安全和人民群众的生命财产安全及社会安定都带来严重的威胁和损害。对水质进行准确评估,实现水质评价的客观性、正确性,能够保障人民生命财产安全、实现社会经济可持续发展,因而具有重要的经济意义和社会意义。本文以重庆市科技攻关计划项目《三峡库区水环境安全预警平台建设与科学决策关键技术研究》为研究背景,对水质综合评价问题进行研究。在介绍水质综合评价的意义和现有的评价方法,分析水质评价的研究现状的基础上。进一步研究了基于神经网络和基于主分量综合评价的水质评价方法。考虑到水环境是一个复杂的非线性系统,在水质评价过程中,很多时候选择的评价指标体系都会包含大量互相关联的特征,它们对于样本综合评价的贡献也是很不相同的,因此,本文通过对神经网络与主分量分析结合方法的研究,提出了一种主分量加权SOM神经网络模型,试图解决神经网络在水质评价中的处理高维和相关性强的数据时出现的问题。该模型将主分量分析过程嵌入SOM神经网络,集自组织、自学习及高维非线性信息处理为一体,通过主分量分析抽取评价对象的主要特征分量,将抽取的主分量数据代替原来的数据输入网络中进行运算处理,并把主分量的方差贡献率作为权重引入欧式距离函数中。通过仿真实验,对比传统SOM神经网络评价和主分量加权SOM神经网络评价结果,确定了主分量加权SOM算法在收敛速度、误差控制等性能上的优越性。利用上述方法对重庆市所辖区域的主要河流水质监测数据进行评价分析,对指标的选取、评价指标体系的建立进行了研究。将二维主分量加权SOM神经网络运用到水质评价中,利用SPSS统计分析工具和MATLAB仿真软件建立了主分量加权SOM神经网络模型。在此基础上,以重庆市河流水质监测数据为评价对象对SOM神经网络水质评价模型的性能进行了仿真测试。测试结果证明了采用该模型实现水质评价,能避免人为因素对评价结果的影响,获得的结果更为客观、可靠,同时避免了大量的繁琐计算,使评价工作有效并简单易行。