传统的粒子群算法训练神经网络的水质评价模型有学习速度慢，容易陷入局部最优和精确性不高的缺点。为了克服模型的缺点，提出了利用改进的自适应量子粒子群算法训练T-S模糊神经网络的新模型，新的自适应量子粒子群算法通过在算法中引入聚集度的概念，使得算法可以在迭代中自适应地调整收缩扩张系数，让算法更具动态自适应性。新的模型结合了量子粒子群算法和T-S模糊神经网络的优点，提高了模型的泛化能力。通过对东江湖流域站点2002到2013年的水文数据进行实验，结果显示，该模型比其他神经网络模型的评价结果具有更高的效率，适合被用于日常水质评价工作。