信用评价是对企业能否如约还本付息的能力和可信任程度的评估。借助评价模型对企业的信用作出准确评价和判断，极具社会和经济价值。但是企业信用评价又是一个十分复杂的过程，要综合考虑企业各方面的情况，同时包括定量和定性两方面的分析。传统的信用评价模型有财务比率分析、多元判别分析等，但这些模型都不能有效、全面、完整地解决信用评价问题。 随着人工智能技术的发展，已有学者提出将神经网络技术应用于信用评价领域，并取得了令人鼓舞的结果。但是在实际的应用中，神经网络技术并不能完整描述整个信用评价过程。本文提出了基于混合型专家系统的信用评价技术，利用神经网络处理财务状况方面的定量分析，利用专家系统来完成定性指标处理、数据预处理、综合企业情况判定企业信用等级等功能。这种技术符合信用评价的特点，更适合于建立信用评价模型。 本文主要工作是建造专家系统部分。以某银行提供的企业样本数据为基础，在完成对样本数据处理、抽取财务比率等基本工作后，根据信用评价领域知识的特点构建了系统的知识库，设计了基于优先级的正向推理机制与基于事实的自动解释机制，然后采用面向对象技术对系统进行分析，建立专家系统的对象模型和功能模型，在此基础上，采用access数据库设计系统的知识库，采用C++ Builder开发软件实现了基于混合型专家系统的可视化信用评价系统原型。实验结果表明，混合型专家系统既具有专家系统灵活性、解释性的特点，又具有神经网络鲁棒性、自学习能力的特点，因此非常适合用于企业信用评价，具有广泛的应用前景。 本文具体内容安排如下： 第一章介绍了信用、信用风险、信用评价的概念，回顾了信用评价的历史、发展和现状，并综合各种信用评价模型，指出这些模型各自的优缺点： 第二章简单描述了人工智能技术，着重介绍有关专家系统与神经网络的基础知识，通过总结它们的优缺点，指出结合专家系统与神经网络构造混合型专家系统的必要性；本章还介绍了神经网络子模块的概念，提出了混合型专家系统的一般框架与设计步骤： 第三章对样本数据进行处理，包括异常数据的剔除、因子分析等，提出了信用评价混合型专家系统的具体框架结构，介绍了系统知识库的主要部分、基于优先级的正向推理机制的流程、以及基于事实的自动解释机制的具体实现方法； 第四章介绍了面向对象技术，进而采用面向对象对信用评价系统进行分析，建立了对象模型和功能模型，并在此基础上，采用C++语言以规则类为例说明系统中具体类的实现，用伪代码的形式描述了推理的算法； 第五章描述了整个系统的结构，对系统主要功能模块和界面进行了介绍，并总结系统的特点； 第六章总结了全文，指出本文所构造系统存在的不足以及对将来的展望。