清洁生产审核是清洁生产中的重要环节,其主要作用是诊断企业不清洁因素,提出解决方案,达到节能、降耗、减污、增效的目的。但具体工作实施时,对企业清洁生产等级的确定、清洁生产潜力大小的确定、企业努力方向以及如何开展清洁生产等方面,定性的成分多,定量的成分少。由于通常采取单指标方法进行定量研究,操作时专家主观性较强,缺乏对企业清洁生产水平科学准确的评价。因此,探究科学有效的清洁生产审核方法对于准确评估企业的清洁生产水平、实施可持续清洁生产有重要的意义。鉴于上述问题,论文对企业在清洁生产评价方法上进行了新的探索性研究,将神经网络方法应用于清洁生产评价研究,计算、分析和评价企业的清洁生产程度,提高清洁生产审核效率,确定标准,编辑程序,运用计算机实现信息、技术与专家的共享,减轻人力劳动。论文阐述了清洁生产的研究现状,在比较和分析各类神经网络模型原理和计算方法的基础上,采用BP模型研究清洁生产评价,确定模型参数,建立基于改进BP算法的企业清洁生产评价模型和清洁生产数据信息库,开发相应的软件,并通过实例仿真对模型进行检验,最后将此模型应用在轮胎行业的清洁生产审核案例中,结果表明:该方法将定性指标与定量指标统一起来,给出明确的定量结果,能将复杂、不够确定的多因素问题转化为有依据的参数,为企业清洁生产的定量考核和指标化管理提供了一个科学的评价方法。通过在实际案例中的应用,证明了BP模型评价方法具有高度非线性函数映射功能及自适应、自学习能力,可以有效克服传统评价方法中主观性强的缺陷,得到结果的时间短,弱化传统评价方法中指标权重确定的人为影响因素,精度较高。