农作物种质资源是作物育种、生物技术研究的物质基础,是人类赖以生存和发展的战略性资源,是维系国家食品安全和农业可持续发展的基本保证。目前,国内外十分重视种质资源的收集、保存、评价和利用工作。尽管国内外已经建成了不少种质资源信息平台,但是在这些数据库或信息系统中保存的大部分是种质资源的基本情况数据,缺少高层次统计分析评价,大批种质资源不能被更好的研究利用。因此,借助科研方法和先进手段,对农作物种质资源进行科学、合理的综合评价,寻找和论证具有广泛适用性的评价模型和评价方法,对深入研究作物性状表现与控制性状的基因,尤其是研究核心种质和优异性状遗传资源的相互关系、提供准确的育种决策,具有非常高的研究意义和实用价值。本文以教育部科技基础资源数据平台建设项目——“农作物特种遗传资源标准化整理、整合及共享平台”(项目编号：505005)为研究基础,利用神经网络的非线性映射性、自学习自适应性和强大的容错性,提出了利用LM-BP神经网络技术在水稻种质资源综合评价中的应用,并构建基于WebGIS的资源分布系统。通过大量实验对比以及资源分布图显示的地域性,验证了评价模型的有效性和准确性。本文的主要研究内容如下：首先,对神经网络技术进行了简要的概述,介绍了发展背景、主要应用技术及应用领域。并对当前的水稻种质资源综合评价体系进行了全面的归纳和分析,对比了各种评价方法的优缺点,依照国家颁布的农作物品种鉴定标准构建了水稻种质资源综合评价体系。其次,在BP神经网络结构的确定及算法的优化等方面进行了深入的研究。通过查阅相关文献和大量实验,对网络激活函数的确定、网络参数的选取及泛化能力的分析进行了深入的探讨。针对标准BP神经网络收敛速度慢、易陷入局部极小值、计算量大等问题,采用了Levenb erg-Marquardt优化的BP网络模型,并验证了优化的BP神经网络评价模型具有更好的性能。最后,将神经网络评价模型与基本统计分析模型、WebGIS相结合,构建了基于WebGIS的水稻种质资源综合评价系统。实验结果表明本文构建的水稻种质资源综合评价模型能根据实际数据准确判断水稻品种的优劣,并通过资源分布图显示的地域性验证了评价结果的准确性。