列车座椅是高速列车上的重要设施，对它的评价好坏直接关系到整辆列车的乘坐性能，影响人们对出行时对交通工具的选择。当代旅客对列车座椅的评价，不仅考虑其外形，更重视舒适的座姿、舒服的车厢环境等一系列因素。因此，座椅舒适度的评价成为了重中之重，应该有一个模型标准将其量化之后展示给乘客，做到对舒适度的良好预测。而BP神经网络作为一种神经网络，可以揭示数据样本中蕴含的非线性关系，其大量的神经元可以组成非线性自适应动态系统，原则上可以实现对任何非线性关系的模拟。因此，利用BP神经网络对座椅舒适度的评价进行建模是最为合适的。　　但是，神经网络具有某些固有缺陷，从数学上看，它是一个非线性优化问题，不可避免地存在局部极小点;学习算法的收敛速度很慢;网络泛化能力差，网络隐含层节点数选取带有很大的盲目性和经验性等。本文提出了一种改进的BP神经网络，在增加动量项和自调整学习率上改进的同时，引入了进化策略，使其可以更好的适应复杂的局面。　　本文以从实验中获得的可以反应生理、心理及物理因素的数据变量作为模型输入，通过改进的BP神经网络对列车座椅的舒适度进行了建模，并制作了舒适度评价系统。