Web服务通过标准的Web协议来提供服务,是一种服务导向架构的技术,用这种技术可以保证应用服务在不同的平台上进行互操作。由于计算复杂度和人们对应用服务需求的提升,Web服务提供者数量开始激增,具有相同或相似功能的Web服务可能由许多不同的Web服务提供者来提供,这些服务具有不同的服务质量。因此,如何从所有相同或相似的Web服务中选择一个最合适的服务提供给用户已经成为Web服务环境下急需解决的关键问题。为了解决Web服务选择的问题,本课题建立了Web服务选择模型,模型中包含了关键的三部分：注册中心、服务请求者、服务提供者。服务提供者的服务用WSDL语言来描述,这种XML格式的语言能方便其查找、注册和调用过程,服务请求者利用SOAP协议调用所提供服务。在注册中心加入了Web服务质量的选择、评估控制器,该控制器的核心基于误差反向传播(BP)神经网络算法。神经网络控制器能在相似Web服务集中选出QoS最合适的服务。BP神经网络是一种单向传播的多层前馈网络,一般由三层或三层以上构成,本课题用的神经网络包括输入层、隐藏层和输出层三层。该神经网络是目前应用最为广泛的神经网络之一。BP网络能在事先不知道输入和输出数据之间函数映射方程的情况下通过自主学习来存储其中的模式映射关系。神经网络能记忆这些映射关系,并将其用于新数据的拟合。传统的BP神经网络算法存在着收敛速度慢、学习过程振荡等缺陷,本文提出的新颖BP神经网络算法在很大程度上克服了训练过程中的这些缺陷。利用本文提出的Web服务选择模型为仿真的机房电力供应场景建立服务模型,并应用新颖的BP算法来选择最优服务质量的UPS,通过与传统的BP算法进行训练和选择比较,验证了新颖BP算法更快的收敛速度和更优质量的UPS服务的选择。