综合评价在社会经济各个领域有着广泛应用,经过多年的研究,逐渐形成了多种评价方法,每种方法有各自的优点和缺陷,因此,一直处于不断改进和完善的过程中。近些年来,随着网络的广泛应用和发展,数据信息量日益增大,对综合评价方法的发展提出了新的要求,因此对多指标综合评价方法的研究更加有实际意义。近年来比较流行的人工神经网络法,以其独特的分布式处理能力、非线性处理能力、自学功能和容错性等成为了解决复杂且难以建模问题的强有力工具。通过对数据的多次训练,在输出结果中直接对变量进行等级(类别)判定。在一定程度上弥补了以前许多方法过于依赖主观判断或客观特定数据的不足,成为目前被广泛应用的一种综合评价方法。当指标过多时,为了提高网络的学习能力,加快处理问题的速度以及增加评价结果的可靠性,需要对网络模型进行简化,可以配合统计方法对多指标进行有效降维,这样可以缩小神经网络模型在处理较多指标时的结果偏差,使评价结果更加可靠。将因子分析引入BP神经网络模型进行BP神经网络综合评价方法的改进研究是本论文的主旨,具体的思路是先采用因子分析法将多指标进行降维,再运用BP神经网络模型进行综合评价,将该模型应用到环境空气质量的实证评价中,以国家2012年环境空气质量新标准中提出的AQI法为评价参考,经过试验,验证了因子分析-BP神经网络相融合的多指标综合评价模型在环境空气质量评价中具有实用性和可行性。同时,通过与单纯使用神经网络模型作对比,进一步验证了该方法的有效性。并且,该模型还可以进一步拓展应用到其他领域的类似多指标综合评价研究中。