基于統(tǒng)計學習理論的項目風險評價與預測研究.pdf

1、刪㈣㈣@天畢大謦中國代第一所女學博士學位論文i■啊●fllIRI、“I蕞：■fllilo]c■■■_一級學科：工商管理學科專業(yè)：按術經(jīng)濟及管理作者姓名：王巍指導教師：趙國杰教授天津大學研究生院2008年5月中文摘要隨著項目涉及的風險因素日益增多，傳統(tǒng)的風險管理方法將難以適應和滿足現(xiàn)代項目管理發(fā)展的需要，因此項目風險管理相關新理論、新方法的研究迫在眉睫。統(tǒng)計學習理論為項目風險管理向智能化、科學化方向發(fā)展提供了一個新的思路。本論文對統(tǒng)計學習

2、理論及其實現(xiàn)算法在項目風險管理中的應用進行了深入地研究，提出了智能化風險評價、預警和預測的實用方法，不僅具有很高的理論價值，而且對項目風險管理的工程實踐具有重要的指導意義。特征指標的選擇是對項目風險進行正確評價和預警的重要前提。本論文利用距離評判技術對項目的眾多風險指標進行量化評判，去除了與評價和預警無關、甚至起消極作用的冗余指標，建立起最敏感的項目風險評價指標體系。案例分析表明，該方法既可以提高項目智能評價和預警的準確性和運算效率，也

3、能夠減少未來評價同類項目時的信息采集工作量，從而提高工作效率，節(jié)約項目成本。項目風險評價其實質(zhì)是模式分類問題。但是，項目風險評價又是一個典型的小樣本問題，歷史數(shù)據(jù)十分缺乏，而傳統(tǒng)的模式識別方法，如神經(jīng)網(wǎng)絡，建立在經(jīng)驗風險最小化的基礎上，是依據(jù)學習樣本數(shù)趨于無窮多的假設條件下的最優(yōu)化結果。因此，在項目風險評價中應用傳統(tǒng)的模式識別方法往往得不到理想的分類效果。本論文基于統(tǒng)計學習理論，研究了支持向量機分類方法，提出了基于距離評判和最d乘支持向

4、量機的智能評價模型，取得了很好的應用效果。重大項目的高風險樣本數(shù)據(jù)非常罕見，歷史經(jīng)驗的缺乏使得這類項目更加難以利用傳統(tǒng)的方法進行有效評價。本論文將基于支持向量數(shù)據(jù)描述的單值分類方法引入項目風險預警中，提出了基于距離評判和支持向量數(shù)據(jù)描述的智能預警模型。該模型僅僅依靠一類低風險項目樣本，而不需要或很少需要高風險項目樣本就可以訓練并建立分類器，進行項目的風險預警。案例分析表明，該方法對于高風險項目樣本缺乏條件下的風險智能預警具有十分重要的應