神经网络风险评估.docxVIP

神经网络风险评估 一、模型结构的建立 本文基于粗集的 BP 神经网络的风险分析模型,对项目的风险进行评估,为项目进行中的风险管理提供决策支持。在这个模型中主要是粗糙集预处理神经网络系统，即用 RS 理论对 ANN 输入端的样本约简，寻找属性间关系，约简掉与决策无关的属性。简化输入信息的表达空间维数，简化 ANN 结构。本论文在此理论基础上，建立一种风险评估的模型结构。这个模型由三部分组成即：风险辨识单元库、神经网络单元、风险预警单元。 1.风险辨识单元库。由三个部分功能组成：历史数据的输入，属性约简和初始化数据.这里用户需提供历史的项目风险系数。所谓项目风险系数,是在项目评价中根据各种客观定量指标加权推算出的一种评价项目风险程度的客观指标。计算的方法:根据项目完成时间、项目费用和效益投入比三个客观指标,结合项目对各种资源的要求,确定三个指标的权值。项目风险系数可以表述 成:r=f(w1,w2,w3,T,T/T0,S/S0,U/U0),R1；式中:r 为风险系数;T、T0 分别为实际时间和计划时间;S、 S0 分别为实际费用和计划费用;U、U0 分别为实际效能和预计效能;w1、w2、w3 分别是时间、费用和效能的加权系数,而且应满足 w1+w2+w3=1 的条件。 2.神经网络单元。完成风险辨识单元的输入后,神经网络单元需要先载入经初始化的核心风险因素的历史数据,进行网络中权值的训练