啤酒感官评价（beer sensory evaluation）是啤酒质量监测和检测啤酒风味差异性的重要方法。但是啤酒感官评价结果受主观因素影响大，结果具有片面性和再现性差的特点，而使用现代仪器法又很难综合评判啤酒风味质量。如果能够将现代仪器法和感官评价联合来建立可靠的啤酒品评体系，就可以提高啤酒感官评价的客观性。因此建立新型的啤酒感官品评体系是十分必要的。本文将啤酒的理化及风味数据作为输入端，感官评价得分作为输出端，使用人工神经网络（artificial neural network，ANN）的误差反向传播（back propagation, BP）算法建立预测模型。首次将灰色关联分析法、人工神经网络和遗传算法多种数学分析方法应用到啤酒的感官品评中，并提出了啤酒感官评价的新方法。主要研究内容及成果如下：（1）通过实验检测了150种市售啤酒的理化和风味指标并进行了啤酒感官评分，为整个研究提供了原始数据。（2）将实验的数据作为输入数据，建立BP神经网络并预测，用此模型对30种啤酒的感官得分进行预测。预测结果为：绝对平均误差为5.38，相对平均误差为8.69%。（3）用灰色关联分析法筛选了影响感官评价的关键因素，以此作为BP神经网络的输入数据，构建灰色BP神经网络并预测。用此模型对30种啤酒的感官得分进行预测。预测结果为：绝对平均误差为3.23，绝对平均误差为5.22%。（4）使用遗传算法优化灰色BP神经网络的权值并预测。用此模型对30种啤酒的感官得分进行预测。预测结果为：绝对平均误差为2.53，绝对平均误差为4.06%。通过比较发现，使用灰色遗传神经网络具有很好的稳定性和较满意的预测能力。通过啤酒感官评价神经网络模型的结果分析表明，该方法能有效地预测啤酒感官评价结果。