随着社会经济的发展,国家越来越来重视科学技术发展与创新,鼓励企业积极参与科技项目的研究与开发,使企业成为技术创新的主体。民营科技企业是国家经济发展最具生命力的科技力量,民营科技企业的科技水平和科技队伍不断壮大,全国总体科技力量不断攀升,但其中也存在部分发展不完善、科研实力还不足够的企业。如何辨别企业的等级高低,就归结为评价其科技信用的问题。科技计划要求有效实施,与承担科技计划的企业的能力和素质息息相关,客观上需要一套完善的管理机制和评价体制,管理及评估企业的科技信用。由于民营科技企业的发展良莠不齐,所以要寻找一套适合我国科技信用评价的方法。如何准确评价企业的科研能力,是本论文研究的核心。运用科学手段对民营科技企业的科技信用进行客观、有效的评价也是国家科技计划信用管理的热点。本文主要总结国内外各种信用或信用风险评价模型,分析其方法和手段,结合民营科技企业的特点,利用人工神经网络(ANN)建立科技信用评价模型及进行实例研究。课题组进行“广东省民营科技企业科技信用评价体系”调查,把59家民营科技企业作为研究对象,根据企业填表内容,分析广东省民营科技企业的发展状况及其科技信用状况,通过人工神经网络自学习、自组织及泛化能力构建广东省民营科技企业的科技信用模型,并对模型进行训练和检验。借助Matlab7.0仿真软件进行仿真研究。在调查数据中随机抽取59家企业中的40家进行模型的训练,剩下19家用于模型检验。在学习算法、隐含层神经元数量和训练步长对模型预测能力的研究上进行多次实验和尝试,提出加快学习速度的改进方法,获得良好的学习效果和预测效果。实验结果表明,神经网络方法比传统方法更容易建立模型,且模型具有适应环境的特性。该项目的研究对于科技项目管理和项目实施具有实际的应用价值和推广意义。