随着全球经济一体化的到来，市场上产品之间的差别越来越小，行业内企业的技术优势也逐渐缩小甚至消失，从而导致市场竞争形式的根本性变化。现代市场的竞争已超越了传统意义上的企业与企业之间的竞争，而体现为更高层次的企业供应链之间的抗衡。在这个背景下，研究和探讨供应链风险测度和评价工具与方法，加强企业供应链风险管理，对企业发展具有十分重要的意义。　　 本文借鉴已有的相关研究成果，设计了企业供应链风险预警指标体系，构建了供应链风险测度模型。并在此基础上根据BP神经网络基本原理及其算法，利用MATLAB神经网络工具箱作为BP网络模型建立、训练、仿真的编程工具，开发设计了供应链风险预警系统。　　 由于影响供应链的因素较多且具有不确定性，因而采用三层BP网络对供应链风险进行预测可以有效地刻画其具有的不确定、多输入、复杂的非线性特征。为了克服BP网络在学习训练过程中收敛速度慢、容易陷入局部极小的不足，本文采用了自适应的学习速率和附加动量法。　　 同时为了弥补MATLAB在人机交互性能上的欠缺，本课题建立了MATLAB与DELPHI之间的应用程序接口，实现了DELPHI灵活强大的编程能力、MATLAB强大的科学计算能力的有效结合。　　 本文在论述供应链风险预警的必要性和重要性的同时剖析了人工神经网络的技术原理和构成。随后综合考虑各个风险因素，构建供应链风险评价的指标体系。然后运用模糊综合评价方法对供应链的风险进行评价，建立了基于人工神经网络的供应链预警模型并利用MATLAB将供应链预警模型进行仿真实验。