近半个世纪以来，随着计算机技术的发展，软件已成为人们日常生活和工作不可或缺的一部分，人们对软件质量的要求也越来越高。软件可靠性成为衡量软件质量的重要标准，其对于软件质量的评估和预测已成为相关学者研究的焦点。七十年代初期到现在，在软件可靠性领域的研究一直是以软件可靠性模型的研究为重点，诞生出了大量可靠性模型。因此导致了在实际应用中，如何选取和运用合适的模型对软件的可靠性进行评估和预测成为一个棘手的问题。 目前，还没有一个系统的方法能够实现对如此多的可靠性模型进行准确权威地选择。在实践中，主要依靠人的主观经验进行判断，缺乏客观性和准确性。尤其在对待选模型进行评价时，如何准确确定各项评价标准在整个评价体系中的权重这个核心问题难以解决。针对这个问题，本文根据在研究领域已广泛使用的神经网络模型，提出了一种基于改进BP神经网络进行模型选择的方法，有效地解决了模型选择过程中评价标准权重值无法获得准确确定的问题，提高了软件可靠性模型选择的精确度。 本文首先介绍了软件可靠性模型选择问题研究的意义及国内外现状，阐述了有关软件可靠性及其模型的一些基本理论，并详细分析了主要的几个软件可靠性模型的算法及模型的评价标准；接着，在研究了神经网络的基础上，将其与可靠性模型选择相结合，提出了一种基于改进BP神经网络进行模型选择的新方法，阐述了方法的原理及思路，给出了具体的实现步骤；最后，运用仿真软件MATLAB进行了仿真实验，验证了新方法的可行性和有效性，并同其他选择方法进行比较，验证了该方法的优越性，从而在某种程度上来讲，解决了软件可靠性模型选择无法客观、量化的问题。