随着企业信息化技术的发展,企业赖以生存的市场环境发生了重大变革,仅靠自身的力量在激烈的市场中获得一席之地变得十分艰难,企业间需要通过建立长期合作关系来弥补自身资源的不足,从而实现对供应链各个环节的有效管理。在这个过程中,企业间的信息共享显得极为重要,合理的信息共享才能使信息流通顺畅。所谓供应链信息共享是指供应链上下游企业通过共享彼此间的信息从而协调、整合整条供应链,以实现运作效率最优化。本文通过研究发现:BP神经网络方法能很好的处理非线性问题和不确定性问题。BP神经网络方法的优势在于能够实现任意非线性映射,能在一定程度上弥补层次分析法、回归分析等方法研究的不足,其通过对大量的训练样本数据重复性学习、泛化,从而得到最优的模型。但BP神经网络方法也有一定的局限性,目前对于BP神经网络结构的选择依然是一个棘手的问题。本研究在相关文献的基础之上,对供应链信息共享评价和BP神经网络进行研究现状的综述,分析了已有研究的特点和不足,并在此基础上构建了供应链信息共享的评价指标体系。与此同时,针对当前在供应链信息共享评价方法中所存在的问题,创新性地采用BP神经网络的方法对指标体系构建模型,并运用MATLAB 2018a进行网络设计和计算,通过不断地对样本进行训练和测试,使得模型的误差达到预定的范围内。研究为了验证模型的精确度,采用不同迭代方案进行分析,比对不同模型的结果,通过模型仿真分析,得出最优模型,并根据训练的权值得出影响供应链信息共享的关键指标。研究表明采用BP神经网络的评价方法对供应链信息共享评价进行研究具有很好的可行性,为供应链信息共享评价开拓出了一种新的方法,丰富了现有的供应链信息共享评价研究体系。