由于现在市场竞争日益激烈，企业经营环境变动越来越大，处处充满了危机与不确定性，稍有不慎就会导致公司发生持续经营危机。当企业发生持续经营危机时，将会造成严重的冲击，影响所及包含投资者、银行等。因此如何建立一套有效的持续经营危机预警模型，减少投资者损失，将是一件刻不容缓的事情。　　 由于单纯以公司所提供的财务报表资料来建立模型，容易受到财务资料的不正确或粉饰所影响，且公司高层经理人掏空企业资金等问题不断发生，所以如果仅考虑财务变量来进行企业危机预警的研究会使所构建的模型不够周全，因而本研究将在加入非财务变量以后，比较是否能提高其预测能力。　　 本文首先在综合考虑覆盖面和计算量的基础上，获取了大量真实宝贵的相关数据，确定了合理的持续经营指标体系。鉴于实际的经济生活中，影响持续经营的因素很多，这些因素和信用之间多为复杂的非线性关系，采用神经网络方法进行持续经营能力审计。然后，利用Lvo学习向量量化神经网络技术建立持续经营审计模型，对企业等级进行划分。通过BP神经网络技术得到企业持续经营能力预测值，细化了企业情况，有利于对处于边界处的企业情况做出精确的判断。论文研究中对BP网络固有的不足之处，采用遗传算法对其权值及阈值进行优化，并综合遗传算法的全局搜索能力与BP网络的局部搜索能力建立遗传神经网络模型。两种模型Lvo神经网络模型、遗传神经网络模型，既可独立使用，也可相互补充。　　 最后，针对具体问题对模型进行设计。用MATLAB这个良好的建模工具实现模型的建立和仿真，并利用相关数据对所建模型进行验证和分析。　　 利用神经网络方法，建立持续经营审计模型，对企业的持续经营情况进行预测及审计，在一定程度上消除了审计过程中的人为干扰因素。所建模型为企业和政府提供了决策依据。