石油化工项目的绩效评价基准值(下简称“基准值”)对该领域的项目管理具有重要的意义,但目前国内尚缺乏相应基准值预测的模型。石油化工项目基准值的确定往往涉及到较多的因素和复杂的关系,基准值与输入变量之间通常认为是非线性关系,通过解析的方法通常较难得到相对精确的模型。而神经网络,尤其是BP神经网络在复杂的非线性函数逼近方面具有较大的优势,已应用于众多工程领域。根据分析,BP神经网络符合石化领域的特点,在石油化工项目的基准值上可发挥较大的作用,对石油化工项目的前期研究和运营期的绩效分析具有重要意义。乙烯工业是石油化工领域中具有代表性的基础性行业,论文以乙烯项目为切入点,采用BP神经网络和项目管理相关知识和技术,建立基准值模型,对乙烯项目的乙烯收率、丙烯收率和能耗基准值进行预测。主要成果是:(1)建立了基准值预测模型,通过三个单隐层、七个输入变量和单输出变量的BP神经网络预测一定原料结构下的乙烯收率、丙烯收率和能耗基准值,可以独立对国内各乙烯项目进行绩效评价,而不用完全依赖于美国所罗门公司,节约了大量的管理成本,减少了企业信息外泄的风险;(2)为乙烯项目前期工作,针对不同原料确定原料方案、技术方案,分析项目经济可行性等提供了一个工具;(3)为我国石油化工项目领域摸索出一个以神经网络技术建立对复杂关系模拟的方法;(4)通过案例,对本模型与所罗门模型进行比较,根据对两个模型输出结果的比较分析发现,我国乙烯行业数据统计难以达到美国所罗门公司绩效评价要求的精度,在数据收集过程中往往严重失真,难以得到预期的效果,而本论文提供的模型是建立在行业协会较为可靠的数据基础上,具有一定的代表性和可操作性,比较适合我国乙烯行业现阶段情况下的绩效评价。另外,本文以2008年国内乙烯生产数据,通过基准值模型对各企业的双烯收率及能耗的基准值进行计算。并分析了模型输出结果,同时根据输出结果与实际值的比较,结合乙烯装置生产原理,找出我国乙烯项目运营阶段存在的问题。