依据我国湖泊营养状态价标准和BP神经网络原理及方法,构建BP神经网络湖泊营养状态评价模型。针对标准BP神经网络学习收敛速度慢、易陷入局部极值的缺点,提出LM-BP神经网络湖泊营养状态评价模型,采用随机内插的方法在各分级标准阈值间生成训练样本和检验样本,在训练样本和检验样本达到期望的精度要求后,用于丽江程海及泸沽湖2008～2012年营养状态评价,并构建RBF神经网络模型作为对比。结果表明:LM-BP模型对于训练样本和检验样本的平均相对误差和最大相对误差分别为0.31%、0.47%和2.68%、5.71%,均优于RBF模型,表明建立的LM-BP模型用于湖泊营养状态评价具有较好的泛化能力和评价精度,可为湖泊营养状态评价提供新的途径和方法。LM-BP模型对程海及泸沽湖2008～2012年营养状态评价结果表明,程海营养状态处于中营养～富营养之间,泸沽湖处于贫营养～中营养之间,均有下降趋势。