基于統(tǒng)計(jì)學(xué)習(xí)理論的項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)與預(yù)測(cè)研究.pdf

1、刪㈣㈣@天畢大謦中國(guó)代第一所女學(xué)博士學(xué)位論文i■啊●fllIRI、“I蕞：■fllilo]c■■■_一級(jí)學(xué)科：工商管理學(xué)科專(zhuān)業(yè)：按術(shù)經(jīng)濟(jì)及管理作者姓名：王巍指導(dǎo)教師：趙國(guó)杰教授天津大學(xué)研究生院2008年5月中文摘要隨著項(xiàng)目涉及的風(fēng)險(xiǎn)因素日益增多，傳統(tǒng)的風(fēng)險(xiǎn)管理方法將難以適應(yīng)和滿(mǎn)足現(xiàn)代項(xiàng)目管理發(fā)展的需要，因此項(xiàng)目風(fēng)險(xiǎn)管理相關(guān)新理論、新方法的研究迫在眉睫。統(tǒng)計(jì)學(xué)習(xí)理論為項(xiàng)目風(fēng)險(xiǎn)管理向智能化、科學(xué)化方向發(fā)展提供了一個(gè)新的思路。本論文對(duì)統(tǒng)計(jì)學(xué)習(xí)

2、理論及其實(shí)現(xiàn)算法在項(xiàng)目風(fēng)險(xiǎn)管理中的應(yīng)用進(jìn)行了深入地研究，提出了智能化風(fēng)險(xiǎn)評(píng)價(jià)、預(yù)警和預(yù)測(cè)的實(shí)用方法，不僅具有很高的理論價(jià)值，而且對(duì)項(xiàng)目風(fēng)險(xiǎn)管理的工程實(shí)踐具有重要的指導(dǎo)意義。特征指標(biāo)的選擇是對(duì)項(xiàng)目風(fēng)險(xiǎn)進(jìn)行正確評(píng)價(jià)和預(yù)警的重要前提。本論文利用距離評(píng)判技術(shù)對(duì)項(xiàng)目的眾多風(fēng)險(xiǎn)指標(biāo)進(jìn)行量化評(píng)判，去除了與評(píng)價(jià)和預(yù)警無(wú)關(guān)、甚至起消極作用的冗余指標(biāo)，建立起最敏感的項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。案例分析表明，該方法既可以提高項(xiàng)目智能評(píng)價(jià)和預(yù)警的準(zhǔn)確性和運(yùn)算效率，也

3、能夠減少未來(lái)評(píng)價(jià)同類(lèi)項(xiàng)目時(shí)的信息采集工作量，從而提高工作效率，節(jié)約項(xiàng)目成本。項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)其實(shí)質(zhì)是模式分類(lèi)問(wèn)題。但是，項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)又是一個(gè)典型的小樣本問(wèn)題，歷史數(shù)據(jù)十分缺乏，而傳統(tǒng)的模式識(shí)別方法，如神經(jīng)網(wǎng)絡(luò)，建立在經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的基礎(chǔ)上，是依據(jù)學(xué)習(xí)樣本數(shù)趨于無(wú)窮多的假設(shè)條件下的最優(yōu)化結(jié)果。因此，在項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)中應(yīng)用傳統(tǒng)的模式識(shí)別方法往往得不到理想的分類(lèi)效果。本論文基于統(tǒng)計(jì)學(xué)習(xí)理論，研究了支持向量機(jī)分類(lèi)方法，提出了基于距離評(píng)判和最d乘支持向

4、量機(jī)的智能評(píng)價(jià)模型，取得了很好的應(yīng)用效果。重大項(xiàng)目的高風(fēng)險(xiǎn)樣本數(shù)據(jù)非常罕見(jiàn)，歷史經(jīng)驗(yàn)的缺乏使得這類(lèi)項(xiàng)目更加難以利用傳統(tǒng)的方法進(jìn)行有效評(píng)價(jià)。本論文將基于支持向量數(shù)據(jù)描述的單值分類(lèi)方法引入項(xiàng)目風(fēng)險(xiǎn)預(yù)警中，提出了基于距離評(píng)判和支持向量數(shù)據(jù)描述的智能預(yù)警模型。該模型僅僅依靠一類(lèi)低風(fēng)險(xiǎn)項(xiàng)目樣本，而不需要或很少需要高風(fēng)險(xiǎn)項(xiàng)目樣本就可以訓(xùn)練并建立分類(lèi)器，進(jìn)行項(xiàng)目的風(fēng)險(xiǎn)預(yù)警。案例分析表明，該方法對(duì)于高風(fēng)險(xiǎn)項(xiàng)目樣本缺乏條件下的風(fēng)險(xiǎn)智能預(yù)警具有十分重要的應(yīng)