BP神經網絡綜合評價法是一種交互式的評價方法，一種既能避免人為計取權重的不精確性, 又能避免相關系數求解的復雜性,還能對數量較大且指標更多的實例進行綜合評價的方法,它可以根據用戶期望的輸出不斷修改指標的權值，直到用戶滿意為止。因此，一般來說，人工神經網絡評價方法得到的結果會更符合實際情況。
BP神經網絡是一種典型的多層前向神經網絡，由輸入層、隱,層和輸出層組成，層與層之間采用全部連接方式，同層節點之間不存在相互連接，其中輸入層節點僅在信號輸入作用，輸出層節點起線性加權作用，隱層節點負責對信息進行最主要的數學處理。不失一般性，設輸入層有 M 個節點，隱層有L個節點，輸出層有P個節點，樣本數為N，輸入向量為
，
為隱層節點與輸入層節點的連接權值，則隱層節點的輸入和輸出分別為：
隱層節點的激勵函數
一般選取雙曲正切函數或
型函數等非線性函數，而輸入層節點的激勵函數一般選取等比喻出的線性函數。而輸出層節點
與隱層節點
的連接權值為
，則輸入層節點的輸出為：
采用算法對
網絡進行訓練。
算法是非線性最小二乘無約束優化算法，其本質是高斯-牛頓法的改進方式，具有二階收斂速度，既具有高斯-牛頓法的局部收斂方式，又具有梯度下降法的全局收斂特性。