随着国际贸易和物流的迅猛发展,进口商品对于口岸通关速度的要求越来越高,检验检疫部门在工作时限上承受的压力也越来越大。因此,探索建立科学、严密、便捷、高效的口岸查验模式是解决困扰进口商品检验检疫通关瓶颈问题的关键。目前全国各进口口岸查验模式一般为人工凭经验布控查验或者由审单系统按照预先设定的抽查比例进行随机布控。为了避免人工布控的随意性以及计算机按预设比例简单随机布控的盲目性,提高不合格查处率及疫病疫情检出率,本文以3C产品作为研究对象,从检验检疫查验风险评估自身所具有的模糊性以及高度非线性特点出发,初次利用非统计方法来构建科学合理、全面客观的指标体系,并以人工智能算法为基础,进一步提出运用模糊神经网络算法对3C产品进行风险评估,以便于科学制定查验率。本论文主要介绍以下内容：1.介绍Delphi问卷调查法、模糊推理法以及神经网络的基本概念,并且剖析了风险评价因子的模糊性以及风险指标和评判结果之间非线性的特点,提出了利用模糊神经网络来解决问题。2.利用MATLAB工具以及SPSS统计分析软件,完成了对3C产品风险等级评估的仿真。主要步骤包括利用Delphi法建立指标体系；根据模糊推理编辑器将各个指标因子风险数值化,最后利用BP神经网络对其进行风险评估,得到仿真结果。3.利用MATLAB和Access数据库的混合编程实现了各个指标因子的风险等级查询系统、神经网络预测系统以及在线测试模块,最后运行程序,用实验数据验证该算法的有效性。4.利用JAVA语言开发了验证系统,并利用该系统进行了现场测试,对比了随机布控的结果,验证了算法和系统的有效性。