随着科学技术进步和社会经济发展，人们对各类问题的考察从分析拓广到了综合评价。综合评价应用广泛且类型众多，综合评价最常用的方法是层次分析法和模糊综合评价法。人工神经网络是一类模拟人类神经系统的结构，它揭示数据样本中蕴含的非线性关系，大量处理单元组成非线性自适应动态系统，具有良好的自适应性、自组织及很强的学习、联想、容错和抗干扰能力，在不同程度和层次上可模仿大脑的信息处理机理，可灵活方便的对多成因的复杂未知系数进行建模。人工神经网络是一种行之有效的数据处理和分析方法，它的应用领域不断扩大并逐渐完善。人工神经网络的模型有很多，最常用的是BP神经网络。BP神经网络是当前研究得最为成熟且应用最广的一种前馈型神经网络，近年来广泛应用于模式识别、预测评估等领域，并取得良好的效果。 本文将BP神经网络应用于多指标排序综合评价，排序综合评价的基本思想是将各对象多个指标度量值转化为一个能够反映综合情况的指数或分值来进行评价。人工神经网络的优点是具有自适应能力，能对多指标综合评价问题给出一个客观评价，相对于层次分析法和模糊综合评价法，有利于弱化权重确定中的人为因素。 本论文从综合评价的研究意义和基本概念入手，综述了指标筛选、权重计算、属性值标准化数据处理的方法，构造了基于BP神经网络排序评价模型及其算法，并给出其在MATLAB中的训练方法。最后，将基于BP神经网络排序评价模型算法应用于区域产业技术预见研究。构建评价指标体系，设计调查表，用德尔菲调查法搜集了江西省信息产业技术预见的备选技术项目的各个指标评价打分的原始数据，对原始数据进行标准化处理并计算各评价指标权重，借助Matlab7平台对产业技术评价指标进行了训练和仿真，得到备选技术项目的评价指数。根据评价指数的大小对备选技术项目进行分析，确定按照比较优势原则应优先发展的项目。