BP神经网络综合评价法是一种交互式的评价方法，一种既能避免人为计取权重的不精确性, 又能避免相关系数求解的复杂性,还能对数量较大且指标更多的实例进行综合评价的方法,它可以根据用户期望的输出不断修改指标的权值，直到用户满意为止。因此，一般来说，人工神经网络评价方法得到的结果会更符合实际情况。
BP神经网络是一种典型的多层前向神经网络，由输入层、隐,层和输出层组成，层与层之间采用全部连接方式，同层节点之间不存在相互连接，其中输入层节点仅在信号输入作用，输出层节点起线性加权作用，隐层节点负责对信息进行最主要的数学处理。不失一般性，设输入层有 M 个节点，隐层有L个节点，输出层有P个节点，样本数为N，输入向量为
，
为隐层节点与输入层节点的连接权值，则隐层节点的输入和输出分别为：
隐层节点的激励函数
一般选取双曲正切函数或
型函数等非线性函数，而输入层节点的激励函数一般选取等比喻出的线性函数。而输出层节点
与隐层节点
的连接权值为
，则输入层节点的输出为：
采用算法对
网络进行训练。
算法是非线性最小二乘无约束优化算法，其本质是高斯-牛顿法的改进方式，具有二阶收敛速度，既具有高斯-牛顿法的局部收敛方式，又具有梯度下降法的全局收敛特性。