企业财务危机预警是企业管理与金融风险控制的重要领域，对企业的健康发展和投资者决策具有重要意义。传统的财务预警模型往往存在精度不足、适应性差等问题。本研究提出了一种基于改进粒子群算法（PSO）的模糊聚类-概率神经网络（FPNN）模型，旨在提高财务危机预警的准确性和鲁棒性。该模型首先利用改进的粒子群算法优化模糊聚类过程，有效处理财务数据中的不确定性和非线性特征，提升聚类效果。随后，通过概率神经网络（PNN）对聚类结果进行分类预测，结合其强大的模式识别能力，进一步提高预警模型的性能。实验结果表明，与传统模型相比，该混合模型在财务危机预警中表现出更高的分类精度和稳定性，为企业风险管理提供了更可靠的决策支持。本研究不仅丰富了财务预警领域的理论方法，也为实际应用提供了有效的技术手段，具有较高的学术价值和实践意义。
