BP神经网络在项目风险识别、评估中的应用.docxVIP

姓名：林海鹏 题目：BP神经网络在项目风险识别、评估中的应用 091614138林海鹏 计算智能期中论文 信计一班0916141 第 PAGE 2 页 共 NUMPAGES 9 页 第 PAGE 1 页 共 NUMPAGES 9 页 BP神经网络在项目风险识别、评估中的应用 摘 要 现今不断提倡改革、创新、发展的社会中，新型项目群涌而起，项目风险识别、评估作为项目管理领域中一个重要的组成部分，正在受到越来越多的重视。面临着众多的选择，我们如何挑选出投资风险最少，最稳定，最具有可行性的项目这显得极为重要，对此我们以软件项目、企业管理项目以及个人信贷风险这三个极具代表性的项目为例，提出基于 BP神经网络的项目风险评估模型。首先 ,构建相应项目风险识别的模型 ;其次 ,在识别模型基础上建立了多种风险指标在内的项目风险评估指标体系 ;再次 ,利用 BP神经网络建立了风险评估模型 ;最后 ,通过 MATLAB实例证明该风险评估模型的有效性和可行性。 关键词：软件项目风险识别与评估；企业管理项目风险识别与评估；个人信贷风险识别与评估； BP神经网络； 自评分：85  目 录 TOC \o 1-3 \h \z \u 摘 要 1 1 引 言 3 2 三种项目风险的识别与评估 4 2.1软件项目风险识别与评估 4 2.2企业项目风险识别与评估 6 2.3个人消费信贷风险识别与评估 7 小 结 8 参考文献 9 致 谢 9  = 1 \* Arabic 1 引 言 一个典型的BP网络主要由输入层、隐层和输出层组成。BP网络具备任意精度的函数逼近能力,所以,神经元网络为项目风险评估模型提供了一个可行的构造和表达方式。BP网络学习过程是由信号的正向传播与误差的反向传播两个过程组成。正向传播时,把用于项目风险评估的各项指标属性值归一化处理后作为输入样本从输入层传入,经各隐层逐层处理后传向输出层,若输出层的实际输出与期望输出不符,则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传,并将误差分摊给各层的所有单元,从而获得各层单元的误差信号,此误差信号即作为修正各单元权值的依据。信号正向传播与误差反向传播的各层权值调整是周而复始的,权值不断调整的过程,也是网络的学习训练过程。此过程一直训练到网络输出的误差减少到可以接受的程度,或进行到预先设定的学习次数为止,最终以系统的输出作为评价的目标。 风险评估过程从方案阶段的中期开始, 并在其后续诸阶段一直持续下去; 随着软件开发项目的进展, 评估会不断地深化。风险评估的过程(图一) 主要包括两个阶段: a) 项目风险识别。它是指对项目各个方面和各个关键性过程进行考察研究, 从而识别并记录有关风险的过程。风险识别是风险评估过程的第一步, 它的基本任务就是搜寻整个项目, 找出那些会妨碍项目实现其目标的风险事件。 b) 项目风险分析。它是指对已辨识出的各类风险事件进行考察研究以进一步细化风险描述, 从而找出风险致因并确定影响。其目的是搜集这些风险的足够信息, 以判断各类风险发生概率以及各类风险一旦发生将对项目性能、进度、费用造成的后果。当有了这些信息后, 就可以根据项目自身的准则确定风险等级。 项目风险管理计划编制 项目风险管理计划编制 风险分析 风险分析 风险计划 风险计划 风险识别 风险识别 风险跟踪 风险跟踪 风险控制 风险控制 风险数据库 风险数据库 经验学习 经验学习 图一 2三种项目风险与评估 2.1 软件项目风险识别与评估 软件项目是生活中更新最快，量最多，风险最大的项目之一，在现今信息社会项目风险识别与评估中极具代表性，他的整个过程不是一次性行为,而是有规律地贯穿整个项目中。任何能进行潜在问题识别的信息源都可用于风险识别,信息源有主观和客观两种。客观的信息源包括过去项目中记录的经验及表示当前项目进行情况的文件;主观信息源是基于有经验的专家的经验判断。 根据需要, 本文在以往的软件开发项目中选取10 个已有结果的项目作为样本, 如表1 所示, 每个项目的17 种风险指标已经计算得到, 表2 表示4 个测试项目的17 种风险指标。在模拟实验中, 本文采用MATLAB 7.0 作为软件平台。 表一 训练样本 项目 1 2 3 4 5 6 7 8 9 10 I1 0.3 0.3 0.5 0.5 0.7 0.1 0.3 0.5 0.1 0.5 I2 0.3 0.5 0.3 0.7