基于bp神經網絡的銀行營業(yè)網點選址與評價研究

1、分 類 號： TP183 單位代碼： 單位代碼：10190研究生學號： 研究生學號： 201307001 密 級： 無碩 士 學 位 論 文基于 BP 神經網絡的銀行營業(yè)網點選址與評價研究Research on Location and Evaluation of Bank BusinessNetwork based on BP Neural Network研 究 生 姓 研 究 生 姓 名： 名： 陳 久 龍專 業(yè)： 業(yè)： 計算機科學

2、與技術 計算機科學與技術指導教師姓名： 指導教師姓名： 熙 瑩指導教師 指導教師職稱 職稱： 教 授2016 年 6 月碩 士 學 位 論 文I摘 要隨著經濟的發(fā)展，改革開放的深入，我國正在逐步開放銀行業(yè)金融服務，金融機構面臨著更為嚴峻的市場競爭和日趨復雜的經濟環(huán)境。 銀行營業(yè)網點選址已成為銀行業(yè)金融機構需要迫切解決的問題，而科學合理的選址尤為重要。銀行業(yè)金融機構在營業(yè)網點選址時， 需要考慮的影響因素十分繁雜。 各個因素相互關聯，影響較

3、大，難以準確地用數學模型描述，選址決策結果和影響因素之間的關系多是非線性的， 而傳統的選址方法在預測上存在一定的弊端， 很難真正的為決策者提供理論支持。隨著時代發(fā)展，涌現出神經網絡技術，BP 網絡不需要建立描述映射關系的數學方程，便能學習和存貯大量的輸入-輸出模式的非線性映射關系，由于其結構相對簡單、可塑性強從而得到了廣泛的應用。本文首先詳細介紹了神經網絡的特性， 論述了其應用在選址問題上的可行性。 結合營業(yè)網點的選址影響因素，本文確定

4、了地理影響因素、區(qū)域經濟因素、交通條件、人口分布影響因素、企業(yè)因素、公共服務設施因素、行業(yè)競爭因素等為輸入的影響因子，而依照營業(yè)能力確定了 1-9 的輸出評價結構。通過對樣本的數據的分析，確立了三層結構、七輸入、一輸出的神經網絡，在傳統 BP 算法上改進激活函數并引入慣性沖量， 加入動量因子， 并設定學習速率為 0.05， 動量因子為 0.6， 最大訓練數為 10000，誤差為 10-2。 本文利用 VC++編譯平臺并調用 MATLAB