在知识经济时代，知识蕴含于人力资本与科技中，是企业在激烈的市场竞争中获胜的重要资本。知识管理是企业管理者对其所掌握的企业内外知识的管理和利用，当代企业的运营模式已转变为以人力、知识资本的开发为主，知识管理必将成为企业管理的重点。企业知识管理活动的效率和效果取决于能否实施绩效评价及评价结果对企业知识管理进程的有效反馈与改进，通过对企业知识管理现状的评价，能够发现企业知识管理中存在的问题，进而合理配置企业资源，创造更多的价值。知识管理绩效评价与技术、企业文化结构等众多因素有关，是一个复杂的过程，只有准确的发现问题才能可靠地提出解决方案，因此对知识管理评价的准确度要求也很高，需要合理有效的评价模型来实现。本文首先结合企业实践与相关文献构建了一个共计20个指标的两级评价指标体系，利用AHP方法根据指标权重，从中筛选出8个代表性的指标作为绩效评价的评价指标。然后采用BP神经网络方法对企业知识管理绩效进行评价，设计网络参数，构建网络模型。先把数据分为训练集和测试集，采用标准BP算法对知识管理进行评价，仿真结果很不理想，分析造成结果精度不高的原因，然后提出使用改进的BP网络算法训练网络，包括动量-自适应学习速率算法、LM算法和遗传神经网络算法。其次分别对三种改进算法进行仿真，分析改进算法相对于标准算法的优越性，并通过对三种改进算法的性能比较，提出采用动量-自适应算法作为BP网络模型的训练算法。对测试集的仿真结果和专家评价结果分析比较，结果表明改进的BP神经网络模型在知识管理绩效评价方面具有可行性与准确性。最后，对全文进行了总结，并提出了指标筛选和评价模型改进的方向。