基于改進的BP神經(jīng)網(wǎng)絡(luò)的農(nóng)戶小額信用貸款風險評估模型研究.pdf

1、隨著農(nóng)村經(jīng)濟的飛快發(fā)展，農(nóng)村的信用貸款需求也跟著增多。農(nóng)村的信用貸款以農(nóng)戶小額信用貸款為主。而農(nóng)戶信用風險評估在農(nóng)戶小額貸款中至關(guān)重要，它的好壞制約著農(nóng)村經(jīng)濟的發(fā)展。因此對于農(nóng)戶小額貸款風險評估系統(tǒng)的研究十分必要。
　　本文首先介紹了農(nóng)戶信用評價的概念，以及農(nóng)戶小額信用貸款的概念，接著詳細分析了國內(nèi)外對農(nóng)戶小額信用貸款風險評估的研究，通過分析發(fā)現(xiàn)國內(nèi)在這方面的研究不如國外。由于人工智能在信用評價應(yīng)用中有很大優(yōu)勢，在國外已經(jīng)廣泛使用

2、人工智能技術(shù)。而BP神經(jīng)網(wǎng)絡(luò)技術(shù)是人工智能技術(shù)中的一個重要技術(shù)，它有著較強的學(xué)習和自適應(yīng)能力、較好的內(nèi)在并行計算和存儲，是一種穩(wěn)定的非線性方法等優(yōu)點，所以BP神經(jīng)網(wǎng)絡(luò)在農(nóng)戶小額信用貸款風險評估的研究中也得到應(yīng)用。然而傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)有著收斂速度慢、易陷入局部極小等不足。針對這些不足，人們先后提出了很多改進的策略，比如加動量項、自適應(yīng)學(xué)習速率、LM算法、人工免疫、遺傳算法、粒子群優(yōu)化算法等。
　　本文使用了一種新興的群體智能算法量

3、子粒子群優(yōu)化算法(QPSO)改進BP神經(jīng)網(wǎng)絡(luò)模型。量子粒子群優(yōu)化算法(QPSO)有著調(diào)節(jié)參數(shù)少、簡單易實現(xiàn)的優(yōu)點，并且有著較好的收斂性能和全局搜索能力，能在一定程度上能夠克服BP神經(jīng)網(wǎng)絡(luò)算法在收斂性能上的不足。
　　通過加入自適應(yīng)變異對量子粒子群優(yōu)化算法(QPSO)進行改進，并取得了很好的效果。由于量子粒子群算法在早期收斂速度較快，所以在后期可能沒有達到全局最優(yōu)時已經(jīng)聚集到某一點，形成局部極小。針對這一缺點加入自適應(yīng)變異對量子粒子

4、群優(yōu)化算法(QPSO)進行改進。
　　本文改進后的量子粒子群優(yōu)化算法(QPSO)通過優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，從而得到改進的BP神經(jīng)網(wǎng)絡(luò)模型。它與用遺傳算法等改進的BP神經(jīng)網(wǎng)絡(luò)模型相比，能夠更有效的提高BP神經(jīng)網(wǎng)絡(luò)的收斂速度，防止陷入局部極小。
　　然后，將改進后的BP神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到農(nóng)戶小額信用貸款風險評估系統(tǒng)實驗中。在仿真模擬實驗中，從數(shù)據(jù)中隨機抽取5組數(shù)據(jù)集進行實驗，然后再取這5組實驗結(jié)果的平均值與用傳統(tǒng)BP神經(jīng)