自改革开放以来，随着市场经济体制的建立，我国国民经济发展迅速，但与此同时，职业病危害也日益增多，已成为制约国民经济进一步发展及影响构建和谐社会的因素之一。我国建设项目职业病危害评价工作尚处于起步阶段，缺乏系统的，科学的，规范的评价方法。到目前为止，还没有任何一个评估方法可以适用于所有行业和区域，因此一个准确可靠的评估方法是职业卫生监督人员和企业管理人员迫切想得到的，对控制我国职业病危害，保障劳动者健康和促进企业健康发展具有深远的意义。 本文是广东省基金项目(编号2007B031512005)《化工行业建设项目职业病危害风险评估模型研究》和国家卫生部《基本职业卫生服务试点》的工作的一部分。 本文研究职业病危害风险评估模型，在综合分析了传统的BP神经网络(BPNN)和模糊逻辑在风险评估中的优缺点之后，根据本课题的特点，结合BPNN和模糊逻辑的优点，提出了基于模糊神经网络(Fuzzy Neural Network，FNN)构造分类器的职业病危害风险评估模型，并进一步讨论了模糊神经网络的结构、学习算法及步骤。本文根据广东省化工行业职业病危害风险评估调查资料，在职业病危害评价专家的指导下，在分析了职业病危害风险相关因素的基础上，应用聚类、Delphi等方法选用了5个与职业危害事故发生密切相关的指标作为评估因子。以800家资料完整的存在有毒有害作业的企业职业卫生资料为训练测试数据，对网络进行训练和测试，对测试结果进行评估，通过计算危害风险等级为“高”的一类的分准率和分全率，可以看出该评估效果是良好的，而且在低风险类别的判别上精度比较高，有助于职业病监督人员做出重点评估决策，从而大大提高了职业监督的效率、科学性和准确性。最后与BP算法进行比较，通过实践可以看出模糊神经网络在收敛速度和分类准确性等方面都优于BP网络。目前该评估模型正在广东省职业病防治院使用。最后提出了今后有待进一步研究和完善的一些问题。