论文部分内容阅读
[摘要]随着社会的发展和进步以及社会发展对科技需求的不断扩大，国家对科技项目投入的经费逐年增加，科技投入的范围也越来越广。对科技项目的立项风险进行控制就显得尤为重要，本文通过神经网络算法给出评价科技项目立项风险的一种方法，通过对辽宁科研立项的实践证明该方法是确实有效的。
[关键词]神经网络；立项风险；科技项目
项目的风险的产生是由于客观事件的不确定性引起的，同时又是可被主体感知的与期望目标或者利益的偏离。因此，项目管理中，项目风险的来源主要有以下几个要素，即客观事件的不确定性、主体的感知以及主体的期望或利益。科技项目风险的评估主要是针对风险事件或风险因素的影响进行的。风险估计和评价方法可以分为三类：定性方法、定量方法和定性与定量相结合的方法。下面是几种常见的方法：调查和专家评分法、层次分析法、概率统计分析法、敏感性分析法、蒙特卡罗模拟、CIM模型、模糊综合评价法、人工神经网络。
1、建立风险评估指标体系
为了给出一种合理的、便于计算的评价方法，建立一套能准确反映实际情况的评价指标体系是至关重要的。对指标体系的选取要遵循以下原则：完备性原则、科学性原则、客观性原则、可比性原则、简易可行性原则。其次，由于每一个科技项目本身就是一个复杂的系统，因而影响它的风险因素很多，影响关系错综复杂，而且各风险因素所引起的后果的严重程度也不相同。就需要有一定的方法来识别分类项目风险。风险识别是风险分析的第一步，也是最重要的一步。风险识别过程通常由风险分析人员与科技项目的申报人员及有关专家共同进行。项目风险识别的方法有很多种，如专家调查法、头脑风暴法、图表法、核对表等。要确立科技项目的评价指标体系，首先要对科技项目潜在的风险因素进行识别，本文中，采用的是头脑风暴法。结合科技项目的特点，我们总结出，科技项目立项风险主要有以下几个风险因素及其评估指标。
外部环境因素：宏观经济形势变动、主管部门或者相关部门制约程度、产业政策或法律的影响程度、知识产权保护、进口产品的冲击程度、自然环境等不可抗力。技术风险：技术成熟程度、技术先进程度、技术复杂程度与难度、技术手段、中间试验的难度与复杂性、技术积累程度、技术的可替代性、技术协作能力、科技人员实力、技术方案的合理度。市场风险：所属行业景气程度、潜在的市场容量大小、行业竞争度、消费者需求变动、原材料供应、同行不正当竞争、新产品寿命周期、企业信誉与知名度、企业营销能力。财务风险：信贷资金来源难易程度、创新资金需求量大小、企业资金实力、企业资金运营能力。管理风险：应对方案失败的能力、企业的管理能力、高层领导的能力以及对多元文化冲突与风险的认识、业务流程整合程度、项目团队的水平与能力、与项目协作单位的协作能力。配套风险：项目配套设备的欠缺。各指标的指标值由专家给出。
2、风险评估模型
将科技项目的历史数据按照项目类别分类，各项目类别分别确定其指标体系。并假定项目立项风险分为k级风险，将科技项目历史数据的立项风险等级和各风险因素的风险等级对应到该k级风险上。待评估项目将按照其所属的项目类别使用相应的指标体系计算指标值，使用人工神经网络中的BP算法计算该待评估项目的整体立项风险等级及各子因素的风险等级。在反向传播算法应用于前馈多层网络时，采用Sigmoid为激发函数时，可用下列步骤对网络的权系数Wij进行递归求取。算法的执行的步骤如下：
对权系数Wij置初值。对各层的权系数Wij置一个较小的非零随机数，但其中Win+1=-θ。输入一个样本x=（X1，X2，…，Xn，1），以及对应期望输出Y=（Y1，Y2，…，Yn）。
计算各层的输出，对于第k层第i个神经元的输出Xik；求各层的学习误差dik，对于输出层有k=m，有dim=Xim（1-Xim）（Xim-Yi）。对于其他各层。修正权系数Wij和阀值θ：当求出了各层各个权系数之后，可按给定品质指标判别是否满足求。
如果满足要求，则算法结束；如果未满足要求，则返回执行。这个学习过程，对于任一给定的样本Xp=（Xp1，Xp2，…Xpn，1）和期望输出Yp=（Yp1，Yp2，…，Ypn）都要执行，直到满足所有输入输出要求为止。
在神经网络中，当输入一些资料后，网络会以目前的权重计算出相对应的预测值以及误差，而后再将误差值回馈到网络中调整权重，经过不断地重复调整，从而使预测值渐渐地逼近真实值。当应用此网络到新的案例时，只要输入新案例的相关数值，神经网络就可以根据当时的权重得到输出值，即预测值。
计算科技项目的立项风险，采用指标集中的全部指标作为输入层，k级风险作为输出层。训练上述BP神经网络，得到网络权值矩阵，输入待评估项目的数据，即可得到该待评项目的立项风险等级。同理，计算科技项目立项风险的某风险因素的风险等级时，指标集中的该风险因素下的指标作为输入层，k级风险作为输出层。训练上述BP神经网络，得到网络权值矩阵，输入待评估项目该风险因素下的数据，即可得到该项目立项风险因素的等级。
以辽宁省2012-2014年申报的300份科技创新专项资金项目为基础，风险分为5级，这300份申报书中有50份是一级风险，68份是二级风险，146份是三级风险，76份是四级风险，60份是五级风险。将前250份作为基础数据集，后50份作为测试数据集。将250份基础数据带入上述神经网络进行训练和测试，网络在训练800次后达到了一定的稳定状态。最后将50份测试数据带入上述训练好的神经网络，得到科技项目立项风险等级预测情况与实际情况的比较，其中1级风险错误率为2（16.7%）、2级风险错误率0（0%）、3级风险错误率1（5%）、4级风险错误率1（10%）、5级风险错误率1（12.5%）、总错误率5（10%）。以市场风险因素为例，对科技项目立项风险的子因素风险等级进行评估时调整神经网络模型参数设置，将250份基础数据带入神经网络进行训练和测试，网络在训练500次后达到了一定的稳定状态。最后将50份测试数据带入上述训练好的神经网络，得到科技项目市场风险等级预测情况与实际情况的比较，其中1级风险错误率为1（8.33%）、2级风险错误率0（0%）、3级风险错误率1（10%）、4级风险错误率2（20%）、5级风险错误率0（0%）、总错误率4（8%）。
3、结束语
将科技项目的立项风险分为技术风险、市场风险、外部环境风险、财务风险、配套风险和管理风险等六部分。总结专家经验，建立完整的立项风险评估指标体系。利用神经网络模型借鉴历史数据的规律计算待评项目的立项风险等级，同时计算各风险因素所处的风险等级。本文所建立的模型和实现的方案目前还不十分完善，这就需要继续不断努力，在现有模型的基础上逐渐对其进行修改和完善，使得系统能够更准确地评估科技项目的立项风险等级。
参考文献
[1]裴旭东.人工神经网络技术及应用[J].中国电力，2014
[2]杨飞思.辅助人工神经元网络分析与设计[J].企业文化，2013
[3]孙凌宇，刘国.项目风险分析中的软系统方法[J].现代软科学，2013
[关键词]神经网络；立项风险；科技项目
项目的风险的产生是由于客观事件的不确定性引起的，同时又是可被主体感知的与期望目标或者利益的偏离。因此，项目管理中，项目风险的来源主要有以下几个要素，即客观事件的不确定性、主体的感知以及主体的期望或利益。科技项目风险的评估主要是针对风险事件或风险因素的影响进行的。风险估计和评价方法可以分为三类：定性方法、定量方法和定性与定量相结合的方法。下面是几种常见的方法：调查和专家评分法、层次分析法、概率统计分析法、敏感性分析法、蒙特卡罗模拟、CIM模型、模糊综合评价法、人工神经网络。
1、建立风险评估指标体系
为了给出一种合理的、便于计算的评价方法，建立一套能准确反映实际情况的评价指标体系是至关重要的。对指标体系的选取要遵循以下原则：完备性原则、科学性原则、客观性原则、可比性原则、简易可行性原则。其次，由于每一个科技项目本身就是一个复杂的系统，因而影响它的风险因素很多，影响关系错综复杂，而且各风险因素所引起的后果的严重程度也不相同。就需要有一定的方法来识别分类项目风险。风险识别是风险分析的第一步，也是最重要的一步。风险识别过程通常由风险分析人员与科技项目的申报人员及有关专家共同进行。项目风险识别的方法有很多种，如专家调查法、头脑风暴法、图表法、核对表等。要确立科技项目的评价指标体系，首先要对科技项目潜在的风险因素进行识别，本文中，采用的是头脑风暴法。结合科技项目的特点，我们总结出，科技项目立项风险主要有以下几个风险因素及其评估指标。
外部环境因素：宏观经济形势变动、主管部门或者相关部门制约程度、产业政策或法律的影响程度、知识产权保护、进口产品的冲击程度、自然环境等不可抗力。技术风险：技术成熟程度、技术先进程度、技术复杂程度与难度、技术手段、中间试验的难度与复杂性、技术积累程度、技术的可替代性、技术协作能力、科技人员实力、技术方案的合理度。市场风险：所属行业景气程度、潜在的市场容量大小、行业竞争度、消费者需求变动、原材料供应、同行不正当竞争、新产品寿命周期、企业信誉与知名度、企业营销能力。财务风险：信贷资金来源难易程度、创新资金需求量大小、企业资金实力、企业资金运营能力。管理风险：应对方案失败的能力、企业的管理能力、高层领导的能力以及对多元文化冲突与风险的认识、业务流程整合程度、项目团队的水平与能力、与项目协作单位的协作能力。配套风险：项目配套设备的欠缺。各指标的指标值由专家给出。
2、风险评估模型
将科技项目的历史数据按照项目类别分类，各项目类别分别确定其指标体系。并假定项目立项风险分为k级风险，将科技项目历史数据的立项风险等级和各风险因素的风险等级对应到该k级风险上。待评估项目将按照其所属的项目类别使用相应的指标体系计算指标值，使用人工神经网络中的BP算法计算该待评估项目的整体立项风险等级及各子因素的风险等级。在反向传播算法应用于前馈多层网络时，采用Sigmoid为激发函数时，可用下列步骤对网络的权系数Wij进行递归求取。算法的执行的步骤如下：
对权系数Wij置初值。对各层的权系数Wij置一个较小的非零随机数，但其中Win+1=-θ。输入一个样本x=（X1，X2，…，Xn，1），以及对应期望输出Y=（Y1，Y2，…，Yn）。
计算各层的输出，对于第k层第i个神经元的输出Xik；求各层的学习误差dik，对于输出层有k=m，有dim=Xim（1-Xim）（Xim-Yi）。对于其他各层。修正权系数Wij和阀值θ：当求出了各层各个权系数之后，可按给定品质指标判别是否满足求。
如果满足要求，则算法结束；如果未满足要求，则返回执行。这个学习过程，对于任一给定的样本Xp=（Xp1，Xp2，…Xpn，1）和期望输出Yp=（Yp1，Yp2，…，Ypn）都要执行，直到满足所有输入输出要求为止。
在神经网络中，当输入一些资料后，网络会以目前的权重计算出相对应的预测值以及误差，而后再将误差值回馈到网络中调整权重，经过不断地重复调整，从而使预测值渐渐地逼近真实值。当应用此网络到新的案例时，只要输入新案例的相关数值，神经网络就可以根据当时的权重得到输出值，即预测值。
计算科技项目的立项风险，采用指标集中的全部指标作为输入层，k级风险作为输出层。训练上述BP神经网络，得到网络权值矩阵，输入待评估项目的数据，即可得到该待评项目的立项风险等级。同理，计算科技项目立项风险的某风险因素的风险等级时，指标集中的该风险因素下的指标作为输入层，k级风险作为输出层。训练上述BP神经网络，得到网络权值矩阵，输入待评估项目该风险因素下的数据，即可得到该项目立项风险因素的等级。
以辽宁省2012-2014年申报的300份科技创新专项资金项目为基础，风险分为5级，这300份申报书中有50份是一级风险，68份是二级风险，146份是三级风险，76份是四级风险，60份是五级风险。将前250份作为基础数据集，后50份作为测试数据集。将250份基础数据带入上述神经网络进行训练和测试，网络在训练800次后达到了一定的稳定状态。最后将50份测试数据带入上述训练好的神经网络，得到科技项目立项风险等级预测情况与实际情况的比较，其中1级风险错误率为2（16.7%）、2级风险错误率0（0%）、3级风险错误率1（5%）、4级风险错误率1（10%）、5级风险错误率1（12.5%）、总错误率5（10%）。以市场风险因素为例，对科技项目立项风险的子因素风险等级进行评估时调整神经网络模型参数设置，将250份基础数据带入神经网络进行训练和测试，网络在训练500次后达到了一定的稳定状态。最后将50份测试数据带入上述训练好的神经网络，得到科技项目市场风险等级预测情况与实际情况的比较，其中1级风险错误率为1（8.33%）、2级风险错误率0（0%）、3级风险错误率1（10%）、4级风险错误率2（20%）、5级风险错误率0（0%）、总错误率4（8%）。
3、结束语
将科技项目的立项风险分为技术风险、市场风险、外部环境风险、财务风险、配套风险和管理风险等六部分。总结专家经验，建立完整的立项风险评估指标体系。利用神经网络模型借鉴历史数据的规律计算待评项目的立项风险等级，同时计算各风险因素所处的风险等级。本文所建立的模型和实现的方案目前还不十分完善，这就需要继续不断努力，在现有模型的基础上逐渐对其进行修改和完善，使得系统能够更准确地评估科技项目的立项风险等级。
参考文献
[1]裴旭东.人工神经网络技术及应用[J].中国电力，2014
[2]杨飞思.辅助人工神经元网络分析与设计[J].企业文化，2013
[3]孙凌宇，刘国.项目风险分析中的软系统方法[J].现代软科学，2013