基于粗集的神经网络的项目风险评估

1、基于粗集的神经网络的工程风险评估摘要本篇论文我们先容了基于粗集的bp神经网络识别工程标风险并评估工程风险。粗集(rs)与神经网络的集成反响了人类正常的头脑机制。它交融了定性和定量的，准确和非确定的，一连宁静行的要领。我们创立了粗集的神经网络并举行属性约简的混淆模子，给出了软件工程风险在现实中的早期预警模子即评估模子，提出了有用的要领。关键词软件工程风险办理神经网络粗集本篇论文的中央是基于粗集的人工神经网络(ann)技能的高风险识别，如许在订定开拓筹划中，最大的淘汰风险产生的概率，形成对高风险的办理。一、模子布局的创立本文基于粗集的bp神经网络的风险阐发模子,对工程标风险举行评估,为工程举行中的

2、风险办理提供决议支持。在这个模子中重要是粗糙集预处置惩罚神经网络体系，即用rs理论对ann输入端的样本约简，探求属性间干系，约简掉与决议无关的属性。简化输入信息的表达空间维数，简化ann布局。本论文在此理论底子上，创立一种风险评估的模子布局。这个模子由三部门构成即：风险辨识单位库、神经网络单位、风险预警单位。1.风险辨识单位库。由三个部门成效构成：汗青数据的输入，属性约简和初始化数据.这里用户需提供汗青的工程风险系数。所谓工程风险系数,是在工程评价中根据种种客不雅定量指标加权推算出的一种评价工程风险程度的客不雅指标。盘算的要领:根据工程完成时间、工程用度和效益投入比三个客不雅指标,结合工程对种

3、种资源的要求,确定三个指标的权值。工程风险系数可以表述成:r=f(1,2,3,t,t/t0,s/s0,u/u0),r1；式中:r为风险系数;t、t0别离为现实时间和筹划时间;s、s0别离为现实用度和筹划用度;u、u0别离为现实效能和估计效能;1、2、3别离是时间、用度和效能的加权系数,并且应满意1+2+3=1的条件。2.神经网络单位。完成风险辨识单位的输入后,神经网络单位必要先载入经初始化的焦点风险因素的汗青数据,举行网络中权值的练习,可以得到输入层与隐含层、隐含层与输出层之间的权值和阀值。(1)拔取焦点特性数据作为输入，形式对xp=xp1,xp2,.,xpnt,dp(网络盼望输出)提供应网络

4、。用输入形式xp,毗连权系数ij及阈值hj盘算各隐含单位的输出。ypj=1/1+exp-(ijxpi-hj),i=1,2,.,;j=1,2,n,i=1(2)用隐含层输出ypj,毗连权系数ij及阈值h盘算输出单位的输出yp=1/1+exp-(jxpi-hj),i=1,2,.,;j=1,2,n,i=1yp=y1,y2,ynt(3)比力输出与盘算输出,盘算下一次的隐含各层和输出层之间新的毗连权值及输入迷经元阈值。j(k+1)=j(k)+(k)ppj+j(k)-j(k-1)h(k+1)=h(k)+(k)p+h(k)-h(k-1)(k)=0(1-t/(t+)0是初始步长;t是学习次数;t是总的迭代次数;

5、是一个正数,(0,1)是动量系数。p是一个与缺点有关的值,对输出结点来说；p=yp(1-yp)(dp-yp)；对隐结点来说,因其输出无法比力,以是颠末反向推算；pj=ypj(1-ypj)(ypj)(4)用pj、xpj、ij和h盘算下一次的输入层和隐含层之间新的毗连权值及隐含神经元阈值。ij(k+1)=ij(k)+(t)pjxpi+ij(k)-ij(k-1)3.风险预警单位根据风险评价系数的取值,可以将工程标风险状态分为多少个区间。本文提出的分别要领是根据5个区间来分别的:r0.2工程标风险很低,丧失产生的概率大概额度很小;0.2r0.4工程标风险较低,但仍存在必然风险;0.4r0.6工程标风险

6、处于中等程度,有出现庞大丧失的大概;0.6r0.8工程标风险较大,必需增强风险办理,接纳避险方法;0.8r1工程标风险极大,庞大丧失出现的概率很高,发起重新思量对付工程标投资决议。总之，有很多因素影响着工程风险的各个工具，我们利用了用户评级的方法，从风险评估单位中得到评价系数五个品级。给出各风险指标的评价系数，权衡相干风险的大校系数越低，工程风险越低；反之，系数越高，工程风险越高。二、实证：以软件开拓风险因素为重要根据这里我们从影响工程风险诸多因素中，经工程风险系数盘算，作出决议表，利用粗集约简，抽取出最焦点的特性属性(中央大量庞大的盘算历程省略)。统共抽取出六个重要的指标(persnnela

7、nageent/training，shedule，prdutntrl，safety，prjetrganizatin，uniatin)确定了6个输着迷经元，根据需求网络隐含层神经元选为13个，一个取值在0到1的输出三层神经元的bp网络布局。将前十个季度的指标数据作为练习样本数据，对这些练习样本举行数值化和归一化处置惩罚，给定学习率=0.0001，动量因子=0.01，非线性函数参数=1.05，偏向闭值=0.01，颠末屡次迭代学习后练习次数n1800网络趋于收敛，以确定神经网络的权值。末了将后二个季度的指标数据作为测试数据，输入到练习好的神经网络中，利用神经网络体系举行识别和分类，以断定软件是否会产生危急。实行效果表白，利用神经网络要领举行风险预警事情是有用的，运用神经网络要领对后二个季度的指标数据举行处置惩罚和盘算，末了神经网络的现实输出值为r=0.57和r=0.77，该软件开拓风险处于中等和较大状态，与用专家效绩评价要领评价出的效果根本符合。参考文献：1王国胤“rugh:集理论与知识获缺.西安交通大学出书社，20012taghi.khshgftaar,andj.unsn,“preditingsftaredevelpenter