金融网点选址是指在一定社会条件、经济条件下，对金融企业的各个办事机构的区位选择过程。面对激烈的市场竞争和日益复杂的社会经济环境，科学的金融网点选址决策以及动态的网点管理显得尤为重要。 面对新的要求，传统的选址方法暴露出其固有的不足，主要表现在抽象的数学模型往往容易脱离实际；难以全面考虑复杂、抽象的选址要素；不便有效组织多源的相关数据进行综合分析；不能为决策者提供直观、交互的分析工具等方面。 随着地理信息系统(GIS)技术的发展，特别是融合了GIS技术和建模技术的空间决策支持系统引入到金融网点选址领域，传统的选址方法所面临的困难有了迎刃而解的思路。 本文基于地理信息系统(GIS)，对金融网点选址的理论进行了系统地介绍和研究，包括金融网点选址的定义、原则、目标、一般思路等，进而提出了利用人工神经网络进行金融网点选址的预测模型。该模型结合了遗传算法与BP神经网络，用遗传算法实现BP网络的学习过程。通过利用遗传算法对选择概率、变异概率的控制，提高了BP网络的学习效率，同时利用BP算法弥补遗传算法局部搜索能力的不足，有效克服遗传算法容易过早收敛的问题。通过对人工神经网络尤其是BP网络、遗传算法的介绍以及缺陷分析，我们对遗传算法进行了改进，主要针对遗传算法参数(包括种群数、交叉概率、变异概率等)的优化选择、确定以及增添BP因子等。通过结合BP网络权、阀值构建遗传编码，在改进的遗传算法的基础上，最终确定BP网络权、阀值，进而利用该BP网络对候选网点进行评价预测。 最后，实现了这个在GIS平台上的基于神经网络的金融网点选址系统，并对该系统的架构、功能实现等作了概要的介绍。