摘要：文章基于调查分析这一方式，结合bp神经网络构建过程中存在的非线性关系映射的特征，针对性分析银行网点选址时存在的影响因素。分析出其影响因素中包含人口、收入、周边环境、竞争等等因素，从而构建了bp神经网络下的银行选址模型，随后基于该模型进行大量的数据训练措施，获取到预期的效果。望本次研究能够对今后银行选址提供一定的帮助。

关键词：bp神经网络;银行;网点选址模型;研究

中图分类号：F272 文献识别码：A 文章编号：1001-828X（2016）027-000-01

引言

由于当代社会经济的不断发展，人们的个人收入水平呈现出持续增长的状态。随着改革开放政策进一步落实，中国渐渐开放现有的银行业金融服务，调整市场准入标准，基于这种激烈的市场竞争以及复杂的社会经济环境，科学化的银行网点选址行为显得尤为重要。实际建址过程中，银行所要思索的影响因素不但数量庞大、内容繁杂且因素之间存在相互影响与约束的关系。银行业金融机构在选址过程中的科学性与合理性，能够大幅度提升服务质量，强化自身的行业竞争力，提升市场占比，促使机构向可持续性发展的方向发展。合理运用神经网络在非线性映射方面的记忆能力，构建bp神经网络银行选址模型。

一、bp神经网络的概述

人工神经网络（ANN）主要是指大量简易元件相互进行连接构建动态化、非线性、复杂的网络系统，其中简易元件包含光学元件、神经元以及模拟电子电路等等。人工神经网络是在现代神经学的基础上，模拟人类大脑的基础功能所构建出来的。ANN作为一种单向传播额多层次前向神经网络，其分为输出、输入以及隐含三大层面，结合全连接方式将各层全部连接起来，处于同层的单元则不需要连接。目前已经存在相关的文献表明，一个3层的bp网络模型能够完成任意、连续性的映射。bp神经网络对输入—输出的非线性映射关系可实现针对性的学习与存储行为，不需要提前揭露或描述该种映射关系中存在的数学方程。bp神经网络结合最速下降法中蕴含的学习规则，结合方向传播方式对神经网络的阈值及权值实施调整，构建客观世界中的内在化表现，形成具备特色的信息处理方式。此外一般信息的处理与存储是体现于网络连接之中。

二、基于bp神经网络的银行业选址模型

基于现有银行业选址所要思索的因素，如收入情况、周边环境、居民数量以及交通情况等，此外还需要考虑bp神经网络自学习、联想存储及高速优化等特征，为此文章提出建设bp神经网络银行业选址的指标体系。目前影响银行业选址的影响因素包含了居民人口情况、周边环境以及竞争因素。而居民人口情况指标中包括人口数量及收入情况，收入情况一般用0-1表示，其中0.5表示中等水平收入，1表示收入丰厚。周边环境以交通现状为主，一般用0-1表示，0表示最坏，1表示最好;最后竞争因素以周边银行网点及ATM的数量为主。

基于上述内容，其中人口数量主要包括再选网址点周边实际人口数量，该因素可以视为定量化指标，运用其在当前有效人口中的实际占比看做影响因素输入。收入情况主要基于当地人口收入水平对其年均收入水平进行估计，当实际人口收入与年均人口收入持平时，其输入影响因素数值为0.5。交通情况：在进行银行网点选址的过程中，其周边的交通现状为一种定性因素，可以通过与其他银行网点的横向对比行为获取。娱乐场所、购物商场这一因素需要思索其行业竞争原因，并且将周边银行网点及ATM数量作为主要的影响因子。当bp神经网络的银行选址模型中所有涉及的影响因素明确之后，完善神经网络实际输入端口，可以针对性构建神经网络模型，基于高效的训练行为之后获取预期的成效以及优质的事项分析预测能力。

在实施bp算法的过程中，其学习过程主要通过信号正向传播以及误差逆向传播两大过程共同形成。实际正向传播过程中，模型一般运作于输入层，通过隐层处理行为之后，向输出层进行传送;当输出层没有获取到预期的输出内容时，需要向误差逆向传播阶段转入，将该部分输出误差基于特定的形式，基于隐层实现向输入层的逐层返回行为。之后向系统的所以层的单元进行传送，共同“分摊”，以得到各层单元实际参考误差数值，也称为误差信号，并将此作为各单元权值依据。该种信号正向传播及误差逆向传播行为，在各层权矩阵中的修正措施存在重复性，修正行为持续、不断地进行，上述过程就称为bp算法的学习过程。该过程一直进行至网络输出误差渐渐降低至其所能承受的程度或是其所设定的学习次数。

基于本次银行网址数据信息采集行为，实现了bp神经网络模型的训练行为。当神经网络学习完成之后，针对银行网络选址中存在的影响因素及输出结构构建针对性的非线性映射关联，并构建成为一种记忆。那么输入到在选银行网址中的影响因素，获取一定的预判结构，并让选址点达到预期情况结合银行网点的分析行为，明确输入影响因素，不断练习或学习之后，获取预期的成效，从而实现了bp神经网络下的银行选址模型研究。

三、结束语

文本基于前人研究基础，实施一定的总结、整合行为，运用银行网点选址中存在的影响因素，结合bp神经网络费线性关系所蕴含的映射特征，构建了相应的模型。同时在模型中选址部分网点实施针对性的测试行为，确保了选址基本功能的完善。因为神经网络在投入使用之前需要进行大量、复杂、重复的训练学习行为，从而确保输入影响因子自身的依耐性。就本文所涉及的银行选址模型而言，其仍然存在极大的提升空间，各方面内容仍然存在缺陷，望今后相关研究者、学者能够不断将其完善。

参考文献：

[1]郑龙生，杨晓霞.基于BP神经网络模型的商务型饭店微观选址研究——以重庆市为例[J].西南大学学报（自然科学版），2015（04）：12-15.

[2]祝爱民，袁赫，于丽娟，王温冉.基于BP神经网络的县域经济发展模式选择——以辽宁省部分县域为例[J].沈阳工业大学学报（社会科学版），2015（01）：45-52.

[3]刘锁清，翟奕博，张耀华，董森，彭伟娟.动量改进BP神经网络在湿法脱硫系统中的应用[J].自动化技术与应用，2016（08）：99-105.

作者简介：苑世晨（1988-），男，汉族，河北石家庄人，河北经贸大学工商管理学院，研究生，研究方向：财务金融。