近年来,不少企业为了获得高利润高收益,会有长期超标排放、严重超标排放、偷排漏排、拒绝执法、私设暗管排污等违法违规行为,但行政处罚力度有限,或者难以执行处罚,导致因环境污染引发的纠纷、群体性事件时有发生,因此加强企业环境监管仍是一项长期和紧迫的任务。本论文研究的企业环境行为信用评价系统可以根据企业排放物的相关信息和数据,采用科学的评价方法和监控手段来规范企业的环境行为,这将有助于减少企业的违法排污行为,有效对其环境行为进行约束,有利于国家环境保护事业的可持续发展。本文首先建立了企业环境行为信用评价指标,采用不同的量化方法,对指标进行量化；其次结合BP神经网络的特点,构建了基于BP神经网络的企业环境行为信用评价模型；提出了一种改进的自适应遗传算法,通过优化交叉概率Pc和变异概率Pm,,有利于解决遗传算法早熟和收敛速度太慢的问题,并把改进的自适应遗传算法应用于BP神经网络系统中,建立了基于改进的自适应遗传算法的BP神经网络评价模型,提高了评价准确率。仿真实验结果表明基于BP神经网络的企业环境行为信用评价模型可以较好地对企业环境行为做出正确的评价。改进的遗传算法可以较好地解决收敛速度和早熟的问题,可以更为准确的进行数据搜索,该算法具有更好的鲁棒性。基于改进的GA算法优化BP神经网络的准确率高于BP神经网络。这说明改进的BP神经网络可以较好地学习并评价不同等级排污企业的环境信用行为,验证研究成果的有效性和实用性,为实际业务工作提供支撑。