收录：
摘要：
本发明公开了一种基于灰狼算法优化BP神经网络的信贷违约预测方法，对训练样本数据集和测试样本数据集进行归一化处理，建立网络拓扑结构。随机初始化灰狼种群。构造信贷违约预测神经网络适应度函数，计算灰狼个体的适应度值，并按照适应度值的排序，判断是否满足条件满足预定的最大迭代次数；利用改进的灰狼算法获得的权值和阈值进行BP神经网络训练。进行信贷用户违约预测，对神经网络的输出进行反归一化处理，得出预测结果本发明通过灰狼的过程优化网络结构参数，充分利用GWO算法的全局搜索能力优化BP神经网络的初始权值和阈值，避免BP神经网络易陷入局部最小问题，有效提高BP神经网络信贷违约预测的精度和稳定性。
关键词：
通讯作者信息：
电子邮件地址：
