为实现多因子耦合复杂蛋鸡舍环境质量的评价，提出基于概率神经网络（PNN）和改进D-S证据理论的评价方法。先对蛋鸡舍环境因子数据进行预处理，构建多环境因子PNN评价模型，将模型求和层的结果归一化，作为改进D-S证据理论的基本概率分配（BPA）输入，根据各BPA的贴近度相似矩阵，得到证据支持度和可信度矩阵，再对证据加权修正，利用D-S理论合成规则迭代融合，获得蛋鸡舍环境质量的评价结果。利用夏季层叠式笼养蛋鸡舍实测数据对所建模型验证。试验表明，当PNN评价模型的结果冲突时，改进D-S证据理论对蛋鸡舍环境质量评价结果的支持率为0.8083，比传统D-S算法提高5.2%；当PNN评价模型的结果不冲突时，改进D-S证据理论对蛋鸡舍环境状态的支持率为0.9986，与传统D-S算法计算结果相同。