專(zhuān)利名稱(chēng)：一種基于bp神經(jīng)網(wǎng)絡(luò)的科研項(xiàng)目經(jīng)費(fèi)預(yù)算方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于BP神經(jīng)網(wǎng)絡(luò)的科研項(xiàng)目經(jīng)費(fèi)預(yù)算方法，可實(shí)現(xiàn)基于歷史項(xiàng)目經(jīng)費(fèi)數(shù)據(jù)的新科研項(xiàng)目經(jīng)費(fèi)預(yù)算。
背景技術(shù)：
目前，常用的科研項(xiàng)目經(jīng)費(fèi)預(yù)算方法包括參數(shù)估算法、工程估算法、經(jīng)驗(yàn)估算法和類(lèi)比成本估算法等。參數(shù)估算法根據(jù)型號(hào)研制的歷史數(shù)據(jù)，把與研制過(guò)程有關(guān)的特征參數(shù)作為變量， 運(yùn)用數(shù)理統(tǒng)計(jì)方法，通過(guò)建立費(fèi)用估算關(guān)系式(CER)來(lái)估算新型號(hào)經(jīng)費(fèi)。參數(shù)估算法可以快速客觀地進(jìn)行經(jīng)費(fèi)估算，在歷史數(shù)據(jù)精確、完備的情況下，預(yù)測(cè)精度較高，但在模型選擇、模型適應(yīng)性、基礎(chǔ)數(shù)據(jù)準(zhǔn)確性等方面要求很高。工程估算法是根據(jù)工作分解結(jié)構(gòu)(WBS)，將系統(tǒng)分解為若干分系統(tǒng)，每一分系統(tǒng)又分解為若干子系統(tǒng)，一直分解下去直至不能再分為止，然后按每一作業(yè)的構(gòu)成要素估算成本，編制成本手冊(cè)，自下而上將估算的費(fèi)用累加，最終得到系統(tǒng)的總研制經(jīng)費(fèi)。該方法各分系統(tǒng)分解得越細(xì)，估算結(jié)果也越精確，工作量就越大。專(zhuān)家判斷法是制定項(xiàng)目資源計(jì)劃時(shí)最常用的一種方法，通常是由成本管理專(zhuān)家根據(jù)以往類(lèi)似項(xiàng)目的經(jīng)驗(yàn)和對(duì)本項(xiàng)目的判斷，經(jīng)過(guò)周密思考，進(jìn)行合理預(yù)測(cè)，制定項(xiàng)目資源計(jì)劃的辦法。該方法是基于過(guò)去的經(jīng)驗(yàn)進(jìn)行估計(jì)，因此是一個(gè)過(guò)于主觀的方法。類(lèi)比成本估算法(ABE)的基本思想是當(dāng)提供了一個(gè)新項(xiàng)目時(shí)，將它與檢索到的最相似的歷史項(xiàng)目類(lèi)比，通過(guò)比較來(lái)預(yù)測(cè)新項(xiàng)目的成本。但不同項(xiàng)目的研制經(jīng)費(fèi)比較是十分復(fù)雜的問(wèn)題，往往不能通過(guò)個(gè)別型號(hào)研制經(jīng)費(fèi)的簡(jiǎn)單對(duì)比得出結(jié)論。

發(fā)明內(nèi)容
為了克服傳統(tǒng)經(jīng)費(fèi)預(yù)算方法模型適應(yīng)度差、工作量大、過(guò)于主觀等不足，本發(fā)明提出了基于BP神經(jīng)網(wǎng)絡(luò)的科研項(xiàng)目經(jīng)費(fèi)預(yù)算方法。BP神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力可將需考慮的多種科研項(xiàng)目經(jīng)費(fèi)影響因素的數(shù)據(jù)進(jìn)行融合，根據(jù)歷史經(jīng)費(fèi)數(shù)據(jù)通過(guò)訓(xùn)練建立影響因素與項(xiàng)目經(jīng)費(fèi)之間的非線性關(guān)系，輸出一個(gè)經(jīng)非線性變換后較精確的科研項(xiàng)目經(jīng)費(fèi)預(yù)測(cè)值。本發(fā)明利用BP神經(jīng)網(wǎng)絡(luò)并行分布處理、自組織、自適應(yīng)、自學(xué)習(xí)和其容錯(cuò)性等獨(dú)特的優(yōu)良性能，克服了以上幾種估算方法的不足，更好的解決了科研項(xiàng)目經(jīng)費(fèi)預(yù)算這一多因素、非線性的問(wèn)題。為解決上述技術(shù)問(wèn)題，本發(fā)明具體方法如下第I步分析科研項(xiàng)目經(jīng)費(fèi)構(gòu)成，確定影響預(yù)算的關(guān)鍵因素；所述關(guān)鍵因素包括定量指標(biāo)和定性指標(biāo)兩部分；定量指標(biāo)包括研究周期、參研人員數(shù)量、關(guān)鍵技術(shù)系數(shù)量、項(xiàng)目產(chǎn)出成果系數(shù)，定性指標(biāo)包括項(xiàng)目創(chuàng)新性和項(xiàng)目復(fù)雜性；第2步建立影響因素的量化表達(dá)式；
定量指標(biāo)的量化表達(dá)式為:
權(quán)利要求
1. 一種基于BP神經(jīng)網(wǎng)絡(luò)的科研項(xiàng)目經(jīng)費(fèi)預(yù)算方法，其特征在于，包括 第I步分析科研項(xiàng)目經(jīng)費(fèi)構(gòu)成，確定影響預(yù)算的關(guān)鍵因素； 所述關(guān)鍵因素包括定量指標(biāo)和定性指標(biāo)兩部分；定量指標(biāo)包括研究周期、參研人員數(shù)量、關(guān)鍵技術(shù)系數(shù)量、項(xiàng)目產(chǎn)出成果系數(shù)，定性指標(biāo)包括項(xiàng)目創(chuàng)新性和項(xiàng)目復(fù)雜性； 第2步建立影響因素的量化表達(dá)式； 定量指標(biāo)的量化表達(dá)式為
全文摘要
針對(duì)科研經(jīng)費(fèi)預(yù)算準(zhǔn)確性與實(shí)用性無(wú)法兼顧的難題，本發(fā)明公開(kāi)了一種基于神經(jīng)網(wǎng)絡(luò)的科研項(xiàng)目經(jīng)費(fèi)預(yù)算方法。該方法首先分析了科研項(xiàng)目經(jīng)費(fèi)構(gòu)成及影響預(yù)算的關(guān)鍵因素，包括研究周期、參研人員數(shù)量、關(guān)鍵技術(shù)系數(shù)量、項(xiàng)目產(chǎn)出成果系數(shù)、項(xiàng)目創(chuàng)新性和項(xiàng)目復(fù)雜性；并建立了影響因素的量化表達(dá)式，將量化結(jié)果作為輸入，項(xiàng)目經(jīng)費(fèi)預(yù)算結(jié)果作為輸出，通過(guò)神經(jīng)網(wǎng)絡(luò)建立二者之間的非線性表達(dá)式。應(yīng)用結(jié)果表明該模型可靠、評(píng)估精度較高。
文檔編號(hào)G06N3/02GK102737285SQ20121020149
公開(kāi)日2012年10月17日 申請(qǐng)日期2012年6月15日 優(yōu)先權(quán)日2012年6月15日
發(fā)明者王國(guó)新, 王藝霖, 閻艷 申請(qǐng)人:北京理工大學(xué)