BP神经网络在项目风险识别中的应用简述.docx

第PAGE\*MERGEFORMAT8页共NUMPAGES\*MERGEFORMAT8页

BP神经网络在项目风险识别中的应用简述

项目风险管理作为项目管理九个领域中一个重要的组成部分，正在受到越来越多的重视。项目风险管理之所以重要，显然是由于项目管理所必然面临的不确定因素。根据对项目的定义，任何项目都有其某种程度的唯一性或特殊性。项目管理区别于企业一般运营管理的关键一点，在于项目管理所面临的各种变化因素。内部和外部的变化，主动和被动的变化，可以预见的和不可预见的变化，为项目带来风险，为项目管理带来难度，迫使企业管理层和项目经理增强风险意识、预先制定或临时采取应对措施。可以说，没有对风险的有效识别和相应的应对措施的制定，项目成功的可能性是比较小的。风险识别主要回答以下问题：1、有哪些风险应当考虑；2、引起这些风险的主要因素是什么？3、这些风险所引起后果的严重程度如何？因此，作为一个优秀的项目管理人员，经常使用的风险识别方法主要有：分解法、故障树（FALTTREES）法、头脑风暴法、检查表、评估表专家调查法和蒙特卡罗模拟法等。这些风险识别方法一定程度上可以发挥良好的作用，但仍然存在着一些问题，主要有四个方面：①可靠性问题，即是否有严重的危险未被发现；②假设条件依赖问题,即结果的有效性依赖于严格的假设条件，如变量的独立性及多元正态分布等；③定性分析多，定量结论少，线性判别多，对非线性模型难以起到良好的效果；④偏差问题，即由于风险识别带有很大的主观性和不确定性，所获得的结果是否客观、准确。另一方面，由于经营过程内外环境的海量数据并不能给人们一个清晰的信息，过去人们习惯用抽象和降维的方法来进行了处理。但这并不是一种良好方式，降维的过程中存在很多人为因素，其中最主要的就是权的确定。虽然人们想出了确定客观权值的方法，但那些方法却不可避免地丢失一些信息，这样一来，人们不得不去追求一种尽可能少地丢失信息，同时又尽可能排除人为因素的方法。由于神经网络技术在解决非线性建模问题上的非线性、非参数和自适应学习等特征，因此可作为风险识别的一个强有力的工具。一．建立模型根据项目的系统风险因素，可以使用反向传播算法，即BP算法。BP(BackPropagation)网络即误差逆传播神经网络，是能实现映射变换的前馈网络中最常用的一类网络，它是一种典型的误差修正方法，具有理论上能逼近任意非线性连续函数的能力，且结构简单，易于编程，在众多的领域得到了广泛的应用。从公司经营的历史数据来看，影响项目失败的风险主要有社会环境、成本费用、进度、技术质量和组织管理等几大方面。项目综合风险因素U|+----------不可控的外部环境因素U1|||+----------自然灾害U11|||+----------国际金融环境U12|||+----------国家政策U13|||+----------社会文化U14|||+----------环保因素U15|+-----------成本费用风险U2|||+----------产品返工率和维护因素U21|||+----------资金周转因素U22|||+----------原材料因素U23|||+----------合同变更因素U23+---------------人力资源U3|||+----------人员流动U31|||+----------士气因素U32|||+----------员工沟通U33|||+----------管理素质U33|+----------进度风险U4|||+----------关键技术U41|||+----------样品中意率U42|||+----------计划合理性U43...因此，我们认为项目管理的最终风险值是由生产成本超过预算、管理费用超过预算，意外支出、工期延误、产品质量、技术风险、士气低落、骨干人员流失等若干事件的风险值综合求得，并据此构筑项目风险BP神经网络。二．指标选取选择的样本分训练样本和检验样本两类，每类样本分别由代表公司历史中项目组合四个象限(以公司对项目的熟悉程度为X轴，以项目创造的利润贡献比进行划分)中的项目组成，实证研究中先通过训练样本建立模型，然后用检验样本对模型的预测能力进行检验。一般来说，我们将这些数据分为不可控和可控两大方面：不可控：政治环境(法律法规及其稳定性)，经济环境（社会总体收入水平，物价水平，经济增长率），产业结构（进入产业障碍，竞争对手数量及集中程度），市场环境（市场大小）。可控：企业盈利能力（销售利润率，企业利润增长率），产品竞争能力（产品销售率，市场占有率），技术开发能力（技术开发费比率，企业专业技术人才比重），资金筹措能力（融资率），企业职工凝聚力（企业员工流动率），管理人才资源，信息资源；战略本身的风险因素（战略目标，战略重点