矿业行业是我国的基础性行业,在为国民经济提供保障的同时,更是国防安全建设中起着重要作用。矿业的基础性作用不仅不会随着时间推移而削弱,反而会被不断强化。而矿业企业财务风险的存在严重影响着企业的健康、稳定和持续发展。鉴于矿业行业的特殊性及重要性,结合矿业企业经营过程中现货市场流动性差、资源依懒性强、资金流动周期长、政策依赖性强等与其他行业区别的特点,及其财务风险成因,通过财务数据和非财务指标,准确地对矿业上市公司做出财务风险预警,这个研究强化了财务风险预警的行业性,具有一定的理论和实践意义。本文以我国矿业上市公司为研究对象,从偿债能力、营运能力、资本增值能力、现金流量能力和成长能力、股权结构六个方面,将其细化为17个财务指标和1个非财务指标构建了矿业上市公司财务风险预警指标体系。并根据该指标体系,利用国泰安数据库,获得原始数据。选取了47家样本上市公司的2014年财务数据并进行筛选,运用SPSS软件对数据进行了标准化处理和层次聚类分析,将财务风险划分为几个等级,并通过了显著性检验。然后构建BP神经网络预警模型,以多级分类的财务状况为预警模型提供精确的目标数据。利用Matlab软件训练BP神经网络后,得出理想的学习率、迭代次数等参数,再对检测样木进行训练,对多次迭代预测结果进行统计分析,证明该模型预警效果是否良好。实验结果证实针对矿业上市公司所构建BP神经网络财务预警模型是有效的。