企业价值评估是企业兼并,收购,租赁及其他投资行为的依据和前提。现有企业价值评估方法缺少对企业未来利润的有效预测。因此本文采用了改进的LIRBF混合回归方法设计企业价值评估系统。该系统主要包括企业价值评估因素的选取,利润预测模型的设计以及利用利润预测的结果结合现金流量模型对企业的价值进行评估三部分。改进LIRBF混合回归方法克服了逻辑回归在真实问题的应用上,通常需要自动假设自变量与因变量之间有纯粹的线性关系的不足,它通过增加径向基变量来增加模型的非线性。改进LIRBF混合回归模型的变量包含初始变量和径向基变量。模型回归系数首先通过遗传算法确定模型高斯径向基函数的数目,中心及半径。然后通过最优径向基函数对输入变量进行非线性转化以确定径向基变量。最后使用最大似然估计进行回归拟合。本文结合了我国上市零售企业进行仿真验证了本文提出方法的有效性。库存周转率是企业投资者和管理者参考的重要指标,是公司盈利能力的重要体现。但现实生活中并不是每个企业都公布此指标且现有的研究中大多也是采用线性回归方式来计算库存周转率,事实上库存周转率与其他指标往往不一定存在线性关系。因此本文采用了改进的神经网络了克服传统神经网络由于训练样本不足而导致的计算精度下降的状况。改进神经网络先用面板数据模型提出了对库存周转率影响显著的重要变量,以此作为改进神经网络的输入指标,以个体固定效用模型得到的显著变量的回归系数作为改进神经网络的初始权重,使用改进的ELM学习算法,在保证学习速度的同时,简化模型的结构,使模型计算速度得到提高,同时结合了我国上市零售企业数据集的仿真实验验证,仿真结果证明该神经网络能够对库存周转率指标进行精确地计算并具有有效性。