收藏本站
《天津大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

基于统计学习理论的项目风险评价与预测研究

王巍  
【摘要】: 随着项目涉及的风险因素日益增多,传统的风险管理方法将难以适应和满足现代项目管理发展的需要,因此项目风险管理相关新理论、新方法的研究迫在眉睫。统计学习理论为项目风险管理向智能化、科学化方向发展提供了一个新的思路。本论文对统计学习理论及其实现算法在项目风险管理中的应用进行了深入地研究,提出了智能化风险评价、预警和预测的实用方法,不仅具有很高的理论价值,而且对项目风险管理的工程实践具有重要的指导意义。 特征指标的选择是对项目风险进行正确评价和预警的重要前提。本论文利用距离评判技术对项目的众多风险指标进行量化评判,去除了与评价和预警无关、甚至起消极作用的冗余指标,建立起最敏感的项目风险评价指标体系。案例分析表明,该方法既可以提高项目智能评价和预警的准确性和运算效率,也能够减少未来评价同类项目时的信息采集工作量,从而提高工作效率,节约项目成本。 项目风险评价其实质是模式分类问题。但是,项目风险评价又是一个典型的小样本问题,历史数据十分缺乏,而传统的模式识别方法,如神经网络,建立在经验风险最小化的基础上,是依据学习样本数趋于无穷多的假设条件下的最优化结果。因此,在项目风险评价中应用传统的模式识别方法往往得不到理想的分类效果。本论文基于统计学习理论,研究了支持向量机分类方法,提出了基于距离评判和最小二乘支持向量机的智能评价模型,取得了很好的应用效果。 重大项目的高风险样本数据非常罕见,历史经验的缺乏使得这类项目更加难以利用传统的方法进行有效评价。本论文将基于支持向量数据描述的单值分类方法引入项目风险预警中,提出了基于距离评判和支持向量数据描述的智能预警模型。该模型仅仅依靠一类低风险项目样本,而不需要或很少需要高风险项目样本就可以训练并建立分类器,进行项目的风险预警。案例分析表明,该方法对于高风险项目样本缺乏条件下的风险智能预警具有十分重要的应用价值。 项目风险因素的预测是项目风险管理的又一重要环节,但由于许多项目风险因素其时间序列是非平稳、非线性的,传统的预测方法往往难以准确预测其未来趋势。本论文提出了基于经验模式分解和支持向量回归的混合智能预测模型。工程材料价格预测实例表明,该模型较单一支持向量回归预测而言,其单步和多步预测精度都有很大程度的提高,对准确预测和识别项目风险起到了积极的作用。
【学位授予单位】:天津大学
【学位级别】:博士
【学位授予年份】:2008
【分类号】:F272;C8;F224

【相似文献】
中国期刊全文数据库 前10条
1 赵敏;吴文福;张亚秋;;玉米籽粒特征提取及主成分分析[J];农业机械;2011年20期
2 ;[J];;年期
3 ;[J];;年期
4 ;[J];;年期
5 ;[J];;年期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 宋普云;沈雪勤;吴清;;一种改进的SMO算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年
2 张钹;张铃;;统计学习理论及其应用[A];2001年中国智能自动化会议论文集(上册)[C];2001年
3 张国宣;孔锐;施泽生;郭立;;一种新的基于聚类的SVM迭代算法[A];第二届全国信息获取与处理学术会议论文集[C];2004年
4 孙向东;黄日波;;运用SVMs原理预测蛋白质二级结构研究[A];广西微生物学会2003年学术年会论文集[C];2003年
5 刘斌;魏贤龙;李卓;;基于支持向量机的Widrow自适应滤波器[A];2006中国控制与决策学术年会论文集[C];2006年
6 孟祥国;马军;段昕;;基于统计学习理论的支持向量机算法研究[A];2006年全国理论计算机科学学术年会论文集[C];2006年
7 王然风;姚海生;;基于统计学习理论的选煤过程关键工艺参数智能软测量建模研究综述[A];2005年全国选煤学术会议论文集[C];2005年
8 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年
9 张瑞民;袁震东;;基于小波变换和支持向量机的心电图分类[A];2004中国控制与决策学术年会论文集[C];2004年
10 李亚芬;李莹;马宁圣;;精馏过程航煤干点的软测量实现[A];中国仪器仪表学会2005年学术年会测控技术与节能环保学术会议论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 冯云龙;统计学习理论中基于核的算法研究[D];中国科学技术大学;2012年
2 王巍;基于统计学习理论的项目风险评价与预测研究[D];天津大学;2008年
3 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
4 周绮凤;基于支持向量机的若干分类问题研究[D];厦门大学;2007年
5 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
6 徐海祥;基于支持向量机方法的图像分割与目标分类[D];华中科技大学;2005年
7 唐发明;基于统计学习理论的支持向量机算法研究[D];华中科技大学;2005年
8 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
9 李冬琴;船舶技术经济论证中的支持向量机方法研究及应用[D];武汉理工大学;2007年
10 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
中国硕士学位论文全文数据库 前10条
1 滕文凯;支持向量机反问题及其解法[D];河北大学;2005年
2 杜晓东;基于支持向量机的数据挖掘方法[D];山东大学;2005年
3 王李东;基于支持向量机(SVM)的短期负荷预测的研究[D];华中科技大学;2005年
4 郭得令;基于LS-SVM的围岩位移非线性预测应用研究[D];武汉理工大学;2006年
5 詹超;支持向量机在基因表达数据分类中的研究[D];武汉理工大学;2006年
6 马洁;基于支持向量机的股市预测问题研究[D];天津大学;2006年
7 高异;基于支持向量机的非线性系统建模与控制[D];西安理工大学;2006年
8 邓小文;基于SVM的柴油机机械故障诊断研究[D];厦门大学;2006年
9 王忠文;统计学习理论及其在地学中的应用研究[D];吉林大学;2007年
10 蒋琳琼;基于支持向量机的货币识别研究[D];中南大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026