行业信用评价是我国行业信用体系建设的一项重要工作。由于我国行业信用体系建设刚刚起步,行业信用评价尚无准则可循。而国内外关于信用评价的研究都局限于传统的信用风险度量,并没有紧扣我国的行业信用特点,不能够直接应用到行业信用评价中。粮油行业作为我国食品安全体系建设试点行业,具有丰富的行业特点。以粮油行业为立足点,进行信用评价模型研究,可以为其他行业信用评价提供一条思路。在分析了粮油信用评价特点并比较了现有信用评价模型的适用情况后,本文提出并强调了一种新的评价过程——循环型评价过程。基于这种过程,一个结合专家评分法和递归神经网络的循环型评价模型被建立。在充分剖析评价过程各阶段特点后,专家评分法和递归神经网络及其他相关技术被有效利用。其中,自适应速率的动量学习算法和贝叶斯正规化方法在分值估计阶段和评价优化阶段的应用,增加了神经网络训练的收敛效率及泛化性;模糊数学原理在等级细分阶段和结果综述阶段的应用,减少了专家在评价时的主观性,并使评价结果便于描述和公示;主成分分析法在指标决策阶段的应用,减少了无贡献的具体指标项目的干扰;回归分析在结果分析阶段的应用,为评价是否进入循环过程提供了判断依据。此模型通过结合专家评分法和递归神经网络,使神经网络在评价过程中学习专家的评价经验,逐步削弱人为裁量权,从而缓和了待评价领域的评价准则空白和人为主观干预过多的矛盾。在此理论模型的基础上,本文以粮油信用评价平台为实例,进行了应用研究,并在结论中指出了理论模型和应用中可以继续优化的方向。