在我国信用意识严重缺失、相关法制不健全，甚至成为市场经济发展瓶颈的现实条件下，如何改进现有的信用评估方法，提高信用评估效果显得十分迫切。只有这样才能降低信贷风险和成本，提高效率，从而最终促进市场经济健康、稳定的发展。　　本文在分析国内外个人信用研究现状和成果的基础上，依据组合预测的原理，分别选取了神经网络中前向型的BP网络、反馈型的Elman网络和全连结型的LVQ网络作为个人信用评估的单一模型，将其输出结果分别通过RBF网络和概率神经网络进行组合。结合个人信用评估的实际情况，选择网路结构和参数，构建特定的网络模型，并将其运用于某商业银行的个人信贷数据。依据国内外个人信用指标选取经验，选定评定指标，按照随机性原理，选出5组容量均为350的样本组，将其中两组分别作为单个模型和组合模型的训练样本，其余的三个为检验样本。通过比较各个模型在检验样本中的应用结果发现，RBF组合模型使得评估的精度得到了显著地提高，而概率神经网络的精度相对较低。此外，不同的模型应用于不同的样本组时存在一定的精度偏差，通过引入标准偏差的概念对五个模型在检验样本中的精度变化进行检验，发现RBF组合模型评估精度对应的标准偏差最小，表明组合可以降低精度的变化，提高模型的稳健性。