经济的快速发展拉动了信息技术和计算机网络技术的不断进步，也极大的推进了我国信息产业的发展，电子政务也成为了这一潮流中的产物，而电子政务的绩效评估成为了信息化进程中的一大难题。如何才能合理的实施一个有效的电子政务项目？怎么样才能将其风险降到最低？哪些标准才能衡量电子政务是否达到了预期的效果？这些问题成为了多年来困扰学术界和政府的难题。本文建立了基于PSO-BP神经网络的全面、完善、有效的电子政务绩效评价模型，针对BP神经网络的收敛速度慢，需要较长的训练时间的缺陷，将粒子群优化算法应用到模型中，改进了BP神经网络模型，提出了基于粒子群优化的BP神经网络原理及求解方法，并通过实际的例子对建立的模型进行了训练和验证。本文的主要研究工作如下：（1）理论研究。收集了大量相关的文献资料及网络资料，在参考了国内外大量学者的研究成果的基础上，提出了本课题研究的背景，并对相关的研究成果进行了综述，对本文涉及到的理论知识作了详细概述。（2）构建基于BSC的电子政务绩效评价指标体系模型。平衡计分卡是一种新型的绩效管理体系，多用于企业财务战略的实施，本文借用平衡计分卡的核心内容提出了电子政务绩效评价的指标体系模型：服务对象指标、成本效益指标、内部运营指标、学习和发展指标。（3）基于PSO-BP神经网络的电子政务绩效评价模型的构建。提出了基于BP神经网络的电子政务绩效评价模型，不断调整模型的参数，选择合适的函数，并利用粒子群算法对神经网络的训练和学习过程进行优化处理。（4）实例验证。选择湖南省十一个市区开展电子政务的数据，选择部分数据来训练模型，利用剩余的数据对模型进行验证。通过对优化前后的结果进行对比，得出结论为优化后的神经网络模型的误差减小，并提高了收敛速度。本项研究是智能算法及组合优化等学科理论和方法的交叉与渗透，为建立一个完善、高效的电子政务绩效评价模型进行了有益的探索。研究结果表明BP神经网络模型具有收敛速度慢、训练时间长的缺陷，而经过粒子群算法优化过的模型克服了这一缺点。通过本文的研究，取得了一定的成果，为相关部门开展电子政务绩效的评估提供了一定的参考依据，对电子政务的发展起到了一定的积极作用，同时也为企业开展绩效评估提供了模型依据。