目的 应用现代数理统计、系统综合评价及科学计量学方法构建对基础性研究成果的综合评价系统。在以科学计量学和数理统计方法处理综合评价指标集输入数据的基础上，通过神经网络实现对基础研究成果多指标的综合评价。 方法 本研究采用国家某部基础性研究成果自然科学奖全国推荐评奖项目256项作为样本。根据基础研究的特点，利用科学计量学指标及该领域新的研究成果，构建由反映研究工作起点、工作量、各种成果的产出形式以及成果的学术影响等四大方面共11个指标即课题来源、项目执行时间、论文在国内外学术期刊发表、参编专著、获得专利、会议交流论文、论文被检索工具收录、期刊论文被国内外引用、期刊论文被国外专著引用、会议论文被引和专著被引组成的基础研究成果综合评价指标体系，以评价结果即获奖等级作为输出／应变量。各指标用数理方法量化处理后，输入神经网络STATISTICA Neural Networks软件。先按获奖等级和学科分层，再按比例将样本随机分配入训练集、校验集和测试集。网络类型选择多层感知器，训练算法应用共轭梯度下降法。按一次性评价即一次性评出各奖等与两步评价即先评出授奖与否再在授奖组中评议授奖等级加以训练，得出合理的网络模型，并用logistic回归的模拟效果与之对比。 结果 得出按一次性评价和两步评价两种评价方式下神经网络和logistic两种模拟方法的评价效果和评价模型。从与同行评议实际结果的符合情况来看，神经网络方法在一次评价、两步评价的第一步、第二步中符合率分别达到了71.9%，76.7%，76.1%;肠gisti。回归符合率分别达到了65.3%，72.2%，69.9%。神经网络在两种评价方式中均纳人全部n个变量;肠gic回归主要纳人了论文被引、项目时间、专著被引、会议发表论文四个变量。结论 神经网络和肠gistic回归的结果与实际同行评价的结果相比较，两步评价效果优于一次性评价，并且神经网络方法优于肠gistic回归。神经网络模型纳人了综合评价指标集中的全部变量，而fogistic方法仅纳人其中四个变量，表明神经网络方法对变量尤其是零值较多变量的容纳性远强于助gistic回归，从而有利于维持对基础研究成果综合评价的系统性和完整性。神经网络评价方法可以作为科技成果评价现行同行评议方法的重要而有益的参考。