随着我国加入WTO，世界经济一体化进程的不断加快，国内各大银行之间的竞争不断激化，国内银行与国际各大银行的竞争也发展到了白热化阶段。加强银行的现代化管理，制定科学的决策，成为了各大银行参与竞争的核心武器。而目前IT技术的发展日新月异，更多的银行开始将目光转投计算机技术和互联网技术。通过计算机技术建立智能化的决策系统，快速有效的获取潜在信息，深入分析银行的信贷风险，把银行的贷款信用风险降到最低，是银行提高核心竞争力的核心手段。本文研究的农村信用社贷款风险评估系统，遵循了《巴塞尔新资本协议》和《信贷风险五级分类法》要求，采用了人工智能专家系统推理机的技术，根据农村信用社贷款信用风险评估的标准，基于Java平台开发实现了适合我国农村信用社特点的客户贷款风险评估系统。该系统功能强大，能自动修正和更新数据库、知识库和信用模型库。在系统底层通过推理机和BP神经网络的两种推理技术（规则推理和案例推理），通过对贷款企业或个人风险评估模型中定性和定量指标学习，最终系统自动生成贷款客户企业信用等级，这样可以给银行提供更多的风险控制参考，降低贷款风险。本文针对专家系统存在的弱点，深入研究了信用模型库、知识库、推理机机制，并结合BP神经网络，建立基于BP神经网络和专家系统的农户信风险评估模型，并在实际应用中取得了较好的效果。BP神经网络的引入，可以弱化了权重确定中的人为因素，提高了评估结果的准确性和权威性，从一定程度上提高了系统推理效率，同时也保证了系统的稳定性。在研究的最后，本文对整个研究过程进行反思和总结，得出了系统仍然存在的问题，为将来系统的进一步完善奠定了基础。