基于ＢＰ神经网络的项目风险管理成熟度等级评估模型.docVIP

基于ＢＰ神经网络的项目风险管理成熟度等级评估模型 　　 ［摘要］文章研究项目风险管理成熟度模型，并分析在Matlab环境下，用BP神经网络评估项目风险管理成熟度等级的可行性。利用神经网络的自学习、自调整以及非线性映射功能，确定基于BP神经网络的项目风险管理成熟度等级评估模型的结构和算法。通过实例分析，取得满意效果，为项目风险管理成熟度评估提供一种新思路。 　　 ［关键词］项目风险管理；人工神经网络；成熟度 　　 ［作者简介］蒋双福，福州大学管理学院硕士生，研究方向：项目管理，福建福州 ，350002；卢美琴，福州大学管理学院硕士生，研究方向：项目管理，福建福州，350002 　　 ［中图分类号］ TP393 ［文献标识码］ A ［文章编号］ 1007-7723（2008）09-0056-0003 　　 　　一、引言 　　 　　 项目风险是在项目全过程中不期望发生事件的客观不确定性，或是在给定情况下和特定时间内，在项目全过程中可能发生的结果与期望结果之间的差异性，差异越大，则风险越大 [1]。 　　 从1987年7月，SEI发表了CMM（软件能力成熟度模型）以来，项目管理成熟度模型开始成为管理界的一个热点，并且相关研究及应用成果也发展迅速[2]。“项目风险管理成熟度模型”可以理解为“描述如何提高或获得项目风险管理能力的过程的框架”[3]。 　　 BP是人工神经网络的一种，其学习算法是由Rumelhart等人于1986年提出的。BP神经网络是一种基于误差传播算法的具有多层结构的神经网络，由于BP神经网络的多层次性，其激活函数所划分的区域不再是线性可分的，而是由一个非线性的超平面组成的区域，从而其分类比线性划分精确合理，这种网络的容错性较好。另外，在BP神经元中可以使用任何可微的函数作为传递函数，可以严格利用梯度法进行推算，权值修正的解析式十分明确[4]。 　　 本文试图将BP神经网络引入到项目网络管理成熟度等级的评估中，研究其评估效果。 　　 　　二、项目风险管理成熟度模型 　　 　　 参考著名的成熟度模型，结合项目风险管理本身的过程特点，本文将项目风险管理成熟度分为五个等级，随着等级的提高，项目风险管理的过程能力也相应提高；同时，项目失败的风险也降低。 　　 本文的研究重点在于项目风险管理成熟度等级评价指标的建立及其评估方法，对于其各成熟度等级的特点，借鉴J.kent Crawford提出的等级特征[5]。 　　 　　 第一级，启动过程： 意识到建立广泛接受风险过程管理的需要，但没有已建好的实践或标准。 　　 第二级，结构化的过程标准： 风险管理过程已经制定并制成文档。 　　 第三级，组织的标准和制度化的过程： 风险管理过程已被认识是组织的标准，并在几乎所有项目中使用。 　　 第四级，管理过程： 所有过程都已经就绪、制成文档，而且全部项目中至少有90%在运用这些过程。 　　 第五级，持续优化过程：经验教训被定期审核并用于改进已制成文档的各种过程。 　　 　　三、项目风险管理成熟度等级评价指标体系 　　 　　 依据以上风险管理成熟度等级划分标准，通过咨询相关专家和查阅文献资料，设计了评价成熟度等级评价指标（表1）。以风险管理过程和风险管理结果作为一级指标，通过对一级指标的细分，建立二级指标。外部专家与组织相关人员组成评估小组对组织进行评估。在进行评分过程中，主观评价指标，如风险分析能力中的风险定性分析能力，评分原则依据项目风险管理成熟度各等级估分并经过专家讨论，客观评价指标则直接利用历史数据，如项目成功率。 　　 　　四、Matlab7.0环境下的BP网络程序实现 　　 　　 MATLAB是Mathworks公司于1982年推出的一套高性能的数值计算的可视化软件。神经网络工具箱是MATLAB环境下所开发出来的工具箱之一，它是以人工神经网络理论为基础，用MATLAB语言构造出典型神经网络的激活函数，使设计者对所选定网络输出的计算变成对激活函数的调用。在Matlab环境下，网络学习训练的程序设计主要是调用一些相应的函数。 　　 （一）标准样本集设定 　　 　　 BP网络训练需要具有一定数量的样本，本文的训练样本输入部分，是根据风险管理成熟度各等级得分范围表通过以下公式随机产生。 　　 M= rand()*0.2+0.2*(I-1) 2） 　　 其中：M代表某个成熟度水平时某个二级指标的得分，rand()函数可以产生[0，1]范围的随机数。 　　每个成熟度产生10组数据，则产生19×50的训练矩阵。将产生的数据保存在excel文档的sheet1中，命名为traindata.xls，如图1。 　　 本文将输出设计为只含0、1的向量。1在第n位则表示成熟度为n，如（