通过对供应链风险影响因素的分析建立了供应链风险预警指标体系,利用BP神经网络的自学习特性,反复修正模型的权值,不断减小系统误差,使系统的误差达到该模型要求的精度;然后根据网络输出结果,对网络各层的连接权值进行分析,对比连接权值的大小,找出产生供应链风险的关键风险因素。以河北省28条供应链为例,运用其中25组样本数据对该风险预警系统进行训练,另外3组数据进行测试,结果表明本模型对供应链风险预测的精度达到90%以上,通过网络权值分析可以找到更加切合实际的关键风险因素。