開題報告范文：基于BP神經網絡的技術創新預測與評估模型及其應用研究是由范文詞典為您精心收集，希望這篇基于BP神經網絡的技術創新預測與評估模型及其應用研究范文可以給您帶來幫助，如果覺得好，請把這篇文章復制到您的博客或告訴您的朋友，以下是基于BP神經網絡的技術創新預測與評估模型及其應用研究的正文：
基于BP神經網絡的技術創新預測與評估模型及其應用研究
一、論文名稱、課題來源、選題依據
論文名稱：基于BP神經網絡的技術創新預測與評估模型及其應用研究
課題來源：單位自擬課題或省政府下達的研究課題
選題依據：
技術創新預測和評估是企業技術創新決策的前提和依據。通過技術創新預測和評估, 可以使企業對未來的技術發展水平及其變化趨勢有正確的把握, 從而為企業的技術創新決策提供科學的依據, 以減少技術創新決策過程中的主觀性和盲目性。只有在正確把握技術創新發展方向的前提下, 企業的技術創新工作才能沿著正確方向開展,企業產品的市場競爭力才能得到不斷加強。在市場競爭日趨激烈的現代商業中, 企業的技術創新決定著企業生存和發展、前途與命運, 為了確保技術創新工作的正確性,企業對技術創新的預測和評估提出了更高的要求。
二、本課題國內外研究現狀及發展趨勢
現有的技術創新預測方法可分為趨勢外推法、相關分析法和專家預測法三大類。
(1)趨勢外推法。指利用過去和現在的技術、經濟信息, 分析技術發展趨勢和規律, 在分析判斷這些趨勢和規律將繼續的前提下, 將過去和現在的趨勢向未來推演。生長曲線法是趨勢外推法中的一種應用較為廣泛的技術創新預測方法,美國生物學家和人口統計學家Raymond Pearl提出的Pearl曲線(數學模型為: Y=L∕[1+A?exp(-B·t)] )及英國數學家和統計學家Gompertz提出的Gompertz曲線(數學模型為: Y=L·exp(-B·t))皆屬于生長曲線, 其預測值Y為技術性能指標, t為時間自變量, L、A、B皆為常數。Ridenour模型也屬于生長曲線預測法, 但它假定新技術的成長速度與熟悉該項技術的人數成正比, 主要適用于新技術、新產品的擴散預測。
(2)相關分析法。利用一系列條件、參數、因果關系數據和其他信息, 建立預測對象與影響因素的因果關系模型, 預測技術的發展變化。相關分析法認為, 一種技術性能的改進或其應用的擴展是和其他一些已知因素高度相關的, 這樣, 通過已知因素的分析就可以對該項技術進行預測。相關分析法主要有以下幾種: 導前-滯后相關分析、技術進步與經驗積累的相關分析、技術信息與人員數等因素的相關分析及目標與手段的相關分析等方法。
(3)專家預測法。以專家意見作為信息來源, 通過系統的調查、征詢專家的意見, 分析和整理出預測結果。專家預測法主要有: 專家個人判斷法、專家會議法、頭腦風暴法及德爾菲法等, 其中, 德爾菲法吸收了前幾種專家預測法的長處, 避免了其缺點, 被認為是技術預測中最有效的專家預測法。
趨勢外推法的預測數據只能為縱向數據, 在進行產品技術創新預測時, 只能利用過去的產品技術性能這一個指標來預測它的隨時間的發展趨勢, 并不涉及影響產品技術創新的科技、經濟、產業、市場、社會及政策等多方面因素。在現代商業經濟中, 對于產品技術發展的預測不能簡單地歸結為產品過去技術性能指標按時間的進展來類推, 而應系統綜合地考慮現代商業中其他因素對企業產品技術創新的深刻影響。相關分析法盡管可同時按橫向數據和縱向數據來進行預測, 但由于它是利用過去的歷史數據中的某些影響產品技術創新的因素求出的具體的回歸預測式, 而所得到的回歸預測模型往往只能考慮少數幾種主要影響因素, 略去了許多未考慮的因素, 所以, 所建模型對實際問題的表達能力也不夠準確, 預測結果與實際的符合程度也有較大偏差。專家預測法是一種定性預測方法,依靠的是預測者的知識和經驗, 往往帶有主觀性, 難以滿足企業對技術創新預測準確度的要求。以上這些技術創新預測技術和方法為企業技術創新工作的開展做出了很大的貢獻, 為企業技術創新的預測提供了科學的方法論, 但在新的經濟和市場環境下, 技術創新預測的方法和技術應有新的豐富和發展, 以克服自身的不足, 更進一步適應時代發展的需要, 為企業的技術創新工作的開展和企業的生存與發展提供先進的基礎理論和技術方法。
目前,在我國企業技術創新評估中, 一般只考慮如下四個方面的因素: (1) 技術的先進性、可行性、連續性; (2) 經濟效果; (3) 社會效果; (4) 風險性, 在對此四方面內容逐個分析后, 再作綜合評估。在綜合評估中所用的方法主要有: Delphi法(專家法)、AHP法(層次分析法)、模糊評估法、決策樹法、戰略方法及各種圖例法等, 但技術創新的評估是一個非常復雜的系統, 其中存在著廣泛的非線性、時變性和不確定性, 同時, 還涉及技術、經濟、管理、社會等諸多復雜因素,目前所使用的原理和方法, 難以滿足企業對技術創新評估科學性的要求。關于技術創新評估的研究, 在我國的歷史還不長, 無論是指標體系還是評
估方法, 均處于研究之中, 我們認為目前在企業技術創新評估方面應做的工作是: (1) 建立一套符合我國實際情況的技術創新評估指標體系; (2) 建立一種適應于多因素、非線性和不確定性的綜合評估方法。
這種情況下, 神經網絡技術就有其特有的優勢, 以其并行分布、自組織、自適應、自學習和容錯性等優良性能, 可以較好地適應技術創新預測和評估這類多因素、不確定性和非線性問題, 它能克服上述各方法的不足。本項目以BP神經網絡作為基于多因素的技術創新預測和評估模型構建的基礎, BP神經網絡由輸入層、隱含層和輸出層構成, 各層的神經元數目不同, 由正向傳播和反向傳播組成, 在進行產品技術創新預測和評估時, 從輸入層輸入影響產品技術創新預測值和評估值的n個因素信息, 經隱含層處理后傳入輸出層, 其輸出值Y即為產品技術創新技術性能指標的預測值或產品技術創新的評估值。這種n個因素指標的設置, 考慮了概括性和動態性, 力求全面、客觀地反映影響產品技術創新發展的主要因素和導致產品個體差異的主要因素, 盡管是黑匣子式的預測和評估, 但事實證明它自身的強大學習能力可將需考慮的多種因素的數據進行融合, 輸出一個經非線性變換后較為精確的預測值和評估值。
據文獻查閱, 雖然在技術創新預測和評估的現有原理和方法的改進和完善方面有一定的研究,如文獻[08]、[09]、[11]等, 但尚未發現將神經網絡應用于技術創新預測與評估方面的研究, 在當前產品的市場壽命周期不斷縮短、要求企業不斷推出新產品的經濟條件下, 以神經網絡為基礎來建立產品技術創新預測與評估模型, 是對技術創新定量預測和評估方法的有益補充和完善。
三、論文預期成果的理論意義和應用價值
本項目研究的理論意義表現在: (1) 探索新的技術創新預測和評估技術, 豐富和完善技術創新預測和評估方法體系; (2) 將神經網絡技術引入技術創新的預測和評估, 有利于推動技術創新預測和評估方法的發展。
本項目研究的應用價值體現在: (1) 提供一種基于多因素的技術創新定量預測技術, 有利于提高預測的正確性; （2）提供一種基于BP神經網絡的綜合評估方法, 有利于提高評估的科學性; (3) 為企業的技術創新預測和評估工作提供新的方法論和實用技術。
四、課題研究的主要內容
研究目標：
以BP神經網絡模型為基礎研究基于多因素的技術創新預測和評估模型, 并建立科學的預測和評估指標體系及設計相應的模型計算方法, 結合企業的具體實際, 對指標和模型體系進行實證分析, 使研究具有一定的理論水平和實用價值。
研究內容：
1、影響企業技術創新預測和評佑的相關指標體系確定及其量化和規范化。從企業的宏觀環境和微觀環境兩個方面入手, 密切結合電子商務和知識經濟對企業技術創新的影響, 系統綜合地分析影響產品技術創新的各相關因素, 建立科學的企業技術創新預測和評估指標體系, 并研究其量化和規范化的原則及方法。
2、影響技術創新預測和評估各相關指標的相對權重確定。影響技術創新發展和變化各相關因素在輸入預測和評估模型時, 需要一組決定其相對重要性的初始權重, 權重的確定需要基本的原則作支持。
3、基于BP神經網絡的技術創新預測和評估模型研究。 根據技術創新預測的特點, 以BP神經網絡為基礎, 構建基于多因素的技術創新預測和評估模型。
4、基于BP神經網絡的技術創新預測和評估模型計算方法設計。根據基于BP神經網絡的技術創新預測和評估模型的基本特點, 設計其相應的計算方法。
5、基于BP神經網絡的技術創新預測和評估模型學習樣本設計。根據相關的歷史資料, 構建基于BP神經網絡的技術創新預測和評估模型的學習樣本, 對預測和評估模型進行自學習和訓練, 使模型適合實際情況。
6、基于BP神經網絡的技術創新預測和評估技術的實證研究。以一般企業的技術創新預測與評估工作為背景, 對基于BP神經網絡的技術創新預測和評估技術進行實證研究。
創新點：
1、建立一套基于電子商務和知識經濟的技術創新預測和評估指標體系。目前,在技術創新的預測和評估指標體系方面, 一種是采用傳統的指標體系, 另一種是采用國外先進國家的指標體系, 如何結合我國實際當前經濟形勢, 參考國外先進發達國家的研究工作, 建立一套適合于我國企業技術創新預測和評估指標體系, 此為本研究要做的首要工作, 這是一項創新。
2、研究基于BP神經網絡的技術創新預測和評估模型及其計算方法。神經網絡技術具有并行分布處理、自學習、自組織、自適應和容錯性等優良性能, 能較好地處理基于多因素、非線性和不確定性預測和評估的現實問題, 本項目首次將神經網絡技術引入企業的技術創新預測和評估, 這也是一項創新。
五、課題研究的
基本方法、技術路線的可行性論證
1、重視系統分析。以系統科學的思想為指導來分析影響企業技術創新發展和變化的宏觀因素和微觀因素, 并研究影響因素間的內在聯系, 確定其相互之間的重要度, 探討其量化和規范化的方法, 將國外先進國家的研究成果與我國具體實際相結合, 建立我國企業技術創新預測和評估的指標體系。
2、重視案例研究。從國內外技術創新預測與決策成功和失敗的案例中, 發現問題、分析問題, 歸納和總結出具有共性的東西, 探索技術創新預測與宏觀因素與微觀因素之間的內在關系。
3、采用先簡單后復雜的研究方法。對基于BP神經網絡的技術創新預測和評估模型的研究, 先從某一行業出發, 定義模型的基本輸入因素, 然后, 逐步擴展, 逐步增加模型的復雜度。
4、理論和實踐相結合。將研究工作與具體企業的技術創新實際相結合, 進行實證研究, 在實踐中豐富和完善, 研究出具有科學性和實用性的成果。
六、開展研究已具備的條件、可能遇到的困難與問題及解決措施
本人長期從事市場營銷和技術創新方面的研究工作, 編寫出版了《現代市場營銷學》和《現代企業管理學》等有關著作, 發表了“企業技術創新與營銷管理創新”、“企業技術創新與營銷組織創新”及“企業技術創新與營銷觀念創新”等與技術創新相關的學術研究論文, 對企業技術創新的預測和評估有一定的理論基礎, 也從事過企業產品技術創新方面的策劃和研究工作, 具有一定的實踐經驗, 與許多企業有密切的合作關系, 同時, 對神經網絡技術也進行過專門的學習和研究, 所以, 本項目研究的理論基礎、技術基礎及實驗場所已基本具備, 能順利完成本課題的研究, 取得預期的研究成果。
七、論文研究的進展計劃
2003.07-2003.09：完成論文開題。
2003.09-2003.11：影響企業技術創新發展的指標體系研究及其量化和規范化。
2003.11-2004.01：基于BP神經網絡的技術創新預測和評估模型的構建。
2004.01-2004.03：基于BP神經網絡的技術創新預測和評估模型計算方法研究。
2004.03-2004.04：基于BP神經網絡的技術創新預測和評估模型體系的實證研究。
2004.04-2004.06：完成論文寫作、修改定稿，準備答辯。
主要參考文獻：
[01] 傅家驥、仝允桓等. 技術創新學. 北京: 清華大學出版社 1998
[02] 吳貴生. 技術創新管理. 北京: 清華大學出版社 2000
[03] 柳卸林. 企業技術創新管理. 北京: 科學技術出版社 1997
[04] 趙志、陳邦設等. 產品創新過程管理模式的基本問題研究. 管理科學學報. 2000/2.
[05] 王亞民、朱榮林. 風險投資項目ECV評估指標與決策模型研究. 風險投資. 2002/6
[06] 趙中奇、王浣塵、潘德惠. 隨機控制的極大值原理及其在投資決策中的應用. 控制與決策. 2002/6
[07] 夏清泉、凌婕. 風險投資理論和政策研究. 國際商務研究. 2002/5
[08] 陳勁、龔焱等. 技術創新信息源新探. 中國軟科學. 2001/1. pp86-88
[09] 嚴太華、張龍. 風險投資評估決策方法初探. 經濟問題. 2002/1
[10] 蘇永江、李湛. 風險投資決策問題的系統分析. 學術研究. 2001/4
<11> 孫冰. 企業產品開發的評價模型及方法研究. 中國管理科學. 2002/4
[12] 諸克軍、楊久西、匡益軍. 基于人工神經網絡的石油勘探有利性綜合評價. 系統工程理論與實踐. 2002/4
[13] 楊力. 基干BP 神經網絡的城市房屋租賃估價系統設計. 中國管理科學. 2002/4
開題報告范文：基于BP神經網絡的技術創新預測與評估模型及其應用研究版權歸作者所有,轉載請注明出處!
