石油化学工业是国民经济的支柱产业之一，是社会、经济发展进步的重要物质基础。但是，石油化工生产所具有的工艺复杂、规模庞大以及生产介质的易燃易爆、有毒有害等的特点决定了其是一个高危险的行业。在坚持“安全第一，预防为主”生产方针的前提下，建立和完善安全法规和管理体制在石油化工行业中显得尤为重要。安全评价是安全管理中的关键技术，加强安全评价技术及其方法的研究，在此基础上改进和加强对危险的防范措施，对减少事故的发生，减轻人员伤亡和财产损失具有重要的意义。本课题以安全系统工程作为分析问题的指导思想，首先对安全科学中的几个基本概念及它们之间的相互关系进行了讨论，对建立在事故致因理论基础之上的安全分析技术及安全评价方法进行了综述，指出它们各自的优点以及在应用中存在的局限性和改进方法。接着，本课题根据建立安全评价指标体系所应遵循的系统性、科学性、评价指标的特殊性与普遍性、单元划分与合成以及可量化等原则，从生产过程的人－机－环境角度，对石油化工企业的静态和动态安全评价指标体系的建立进行了研究，并对评价指标的定量化处理方法进行了探讨，同时对安全评价模型的确定方法进行了研究。随后，本课题对人工神经网络(ANN)的基本原理、一般框架、基本特性、处理能力及其应用作了简要的介绍，对以往石油化工企业安全分析评价方法中存在的事先设定因素的变化规律和特性从而导致评价结果与实际情况经常不符，并且难以解决从因素到结果的定权和变权的问题进行了探讨。对石油化工企业的安全评价与非线性动力学模型的适应性进行了研究，指出基于人工神经网络的非线性安全评价模型在石油化工企业安全评价中的应用可以较好地解决传统评价方法存在的缺陷，在安全评价中的应用是完全可行的。接着，本课题对神经网络的基本结构和模型进行一一讨论，重点研究了在函数逼近和模式识别领域广泛应用的误差反向传播神经网络模型(BPNN)，对其结构设计及训练进行了深入的研究。根据南方某大型炼油化工有限公司提供的各生产工段的安全状况数据构建安全评价网络，并利用MATLAB软件对网络进行训练。得出可以对石油化工企业安全生产进行较为客观评价的人工神经网络模型。