人工神经网络在项目成本管理中的应用

'http://www.paper.edu.cn人工神经网络在项目成本管理中的应用石振辽宁工程技术大学工商管理学院，辽宁葫芦岛(125105)E-mail：dabai_241@126.com摘要：成本管理是项目管理中的重要管理内容。在项目管理中，对成本进行系统的分析，对于提高项目的综合效益具有很重要的意义。通过对人工神经网络的基本特征和原理的分析，讨论了人工神经网络在项目成本管理中的应用，并通过实例证明其可行性和有效性。关键词：人工神经网络；项目成本管理；BP网络1.引言[1]项目成本管理是为保障项目实际发生的成本不超过项目预算而开展的项目资源计划、项目成本估算、项目预算编制和项目预算控制等方面的管理活动。项目成本管理也是为确保项目在既定预算内按时、按质、经济、高效地实现项目目标所开展的一种项目管理过程。长期以来，我国在项目成本管理方面的认识，基本上停留在对于工程项目的造价确定与控制上。随着现代项目管理对项目本身内涵的丰富，人们开始认识各种其他种类项目的成本管理规律和方法。[2]人工神经网络(ArtificialNeuralNetwork，简称ANN)是在对人脑组织结构和运行机制的认识理解基础之上模拟其组织结构、处理方式和系统功能的一种工程系统。早在上个世纪40年代初期，心理学家McCulloch、数学家Pitts思就提出了人工神经网络的第一个数学模型，从此开创了神经科学理论的研究时代。其后，F.Rosenblatt,Widrow和Hopf,J.J.Hopfield等学者又先后提出了感知模型，使得人工神经网络技术得以蓬勃发展。人工神经网络同现行的计算机不同，是一种非线性的处理单元。因此神经网络是一种具有高度非线性的超大规模连续时间动力学系统。项目成本管理是利用以往类似项目的数据,并运用一定的模型而进行计算和管理的。但这种方法由于影响因素多且复杂,加之受到所收集数据的随机性、模糊性等的影响,难以达到令人满意的精度。而人工神经网络对难以精确描述的复杂非线性对象建模、计算或推理具有极高的精度和准确性，从而在节约项目成本的同时，充分提高了的项目经济收益。本文将利用神经网络对项目成本管理进行优化分析。并通过实例证明此方法是有效的。2.人工神经网络2.1人工神经网络的基本原理人工神经网络是一个由大量神经元通过极其丰富和完善的连接而构成的自适应非线性动态系统。典型的生物神经元具有称为树突的部件，它从细胞体中伸向其他神经元并在称为突触的联结点上接收信息。然后将这些信息累加起来.有些输入信息倾向于激活该细胞，另一些信息倾向于抑制其激发。当细胞体中累加的激发信息超过某一阈值时细胞被激活。该细[2]胞称为轴突的部件向其他神经细胞发出相应的信息。2.2BP网络算法原理人工神经网络对非线性函数有良好的逼近能力，其中研究最多、应用最广泛的是多层前馈神经网络BP模型。BP网络由3个神经元层组成，分别为输入层、隐含层、输出层，其-1- http://www.paper.edu.cn结构如图1所示：图1BP网络结构3.模型的建立[4]BP算法的学习过程由正向和反向传播组成，在正向传播过程中，输入信息经隐含单元逐层处理并传向输出层，如果输出层不能得到期望的输出，则转入反向传播过程，将实际值与网络输出之间的误差沿原来的连接通路返回，通过修改各层神经元的连接权值，使误差[4]减少，然后再转入正向传播，反复叠代，直到误差小于给定的值为止。BP算法推倒如下:3.1隐含单元输入对于隐含单元，各单元输入信息加权求和后得到该单元的输入信息：Mnetj=∑WijXii=1式中：W是第i输入单元到j单元的权重；X为输入单元的输入信息；M为所有联结到jiji单元的输入单元数。3.2隐含单元输出该net信号经过一激发函数的处理得到该单元的输出，激发函数可以是线性函数、阶跃函数或非线性函数。BP算法用的是Sigmoid函数()(−x)fx=11+e即Oj=1[1+exp(−netj+θj)]式中，O为隐含单元的输出；θ为隐含单元阈值。jj3.3输出单元输入同理，对于输出单元，各单元输入信息加权求和后得到该单元的输入信息：snetk=∑WjkOij=1式中，W是第j隐含单元到第k输出单元的权重；O就为第j隐含单元的输出信息；Sjkj为所有联结到k单元的隐含单元数。-2- http://www.paper.edu.cn3.4输出单元输出输出单元的输出为：Yk=1exp(−netk+θk)式中，Y为输出单元的输出信息；θ为输出单元阈值。kk3.5调整权重神经网络的一个重要功能是可以近似实现任意空间的数学映射。若神经网络输入单元数m为M，输出单元为N，则在m维欧氏空间R中有一个界子集A，存在着一个到n维欧氏n空间R中一个有界子集F(A)的映射，即mnF:A⊂R→RY=F(X)对于训练样本集合A={X,Y}，通过学习可以找到一个优化的近似映射G，使Y=G(X)(i=1,2Λk)。已经证明三层网络可在任意给定的精度上找到一个G逼近F。调ii整权重和阈值的过程如下：p设D为第p个样本k输出单元的期望输出值，则每个单元输出的平方误差为：kp(pp)2E=D−Ykkk对于样本p的总误差为：np∑()pE=Eki=1对于一批L个样本的总误差为：lln∑∑∑()pE=E=Eplp=1p==11iBP学习算法就是在权重空间沿梯度调整权重，使总误差达到最小，满足这一要求权重的调整量为：∆W=−η∂E/∂W可以证明，第P个样本的输出层权重调整量为：ppp∆W=ηο×Yjkkjpοp=Dp−Yp×Yp×1−Yp式中，η为学习率；ok为训练误差，k(kk)k(k)输出层权重调整：P+1ppp−1∆W=W+∆W+µ∆Wjkjkjkjkµ是一个小于1的正数，输出单元的阈值调整：p+1pp(pp−1)θ=θ+ηο+µθ−θkkkkk对于隐含单元的误差由输出单元误差的反向推导得出：lpp()()p∑ppο=O×1−O×ο×Wjjjjjkk=1-3- http://www.paper.edu.cn隐含层输出调整量为：ppp∆W=ηo×Oijjj式中，隐含层权重调整：p+1ppp−1∆W=W+∆W+µ∆Wijijijij输出单元的阈值调整：p+1pp(pp−1)θ=θ+ηο+µθ−θjjjjj4.应用分析项目成本管理主要包括五部分内容：项目资源计划、项目成本估算、项目成本预算、项目成本控制、项目成本预测。一个项目成本管理工作的成功与否，取决于以上五个部分工作的完成情况，受其影响，因此可以确立以上五个部分为输入层，例如项目资源计划的全面性分析、项目成本估算的准确性、项目成本预算的准确性、项目成本控制状况、项目成本预测的准确性。网络采取二层5－9－4结构，确定输入节点个数为5个，输出层的节点个数确定为4个（1000非常好、0100好、0010合格、0001差）。则输入变量为5个，输出变量为4个，样本形式为（Xi,Yj）Xi为样本输入向量，Yj为期望输出（i=1,2,3,4,5;j=1,2,3,4）。权重初始空间为[-1,1]。然后提供训练样本，根据已建立的模型进行训练，不断调整权值，直到得到期望的输出，训练结束。由于项目成本管理的结果比较抽象，没有现成的样本数据。所以，从文献[5]中的案例中，提取和归纳出十组数据，其中前七组为训练数据，后三组为测试样本数据。表1项目成本管理数据序号123456789100.3240.7580.7670.3420.6230.6990.6450.6580.7850.825X10.5120.8320.7110.5870.5240.710.7110.7250.6580.756X20.2360.8650.6320.3240.7120.6080.6420.6810.8450.871X30.5860.6290.720.6580.6890.7120.7010.5680.6880.766X40.3620.7660.690.610.7110.6350.6580.6230.8450.812X5输出差非常好好差合格合格合格合格好非常好表2结果与实际比较序号输出结果期望输出10.000120.002670.998950.00032001020.000340.999850.000190.00055010030.994910.000350.000310.000261000通过上表可以看出，期望输出的结果与实际结果非常吻合，由此可以成功的得出项目成本管理的结果，这样就可以利用以往积累的资料，不断地对项目成本管理的五部分内容进行预见性的调整，使得项目成本管理获得成功和理想的结构。-4- http://www.paper.edu.cn5.结论运用人工神经网络进行项目成本管理显示出了广阔的应用前景,但是作为新兴学科还有很多不完善及不成熟的地方,这就需要在研究模型的同时加深基础理论的学习,不断进行改进。参考文献[1]戚安邦.《项目管理学》[M],天津:南开大学出版社,2003.6.[2]郭嗣琮,陈刚.《信息科学中的软计算方法》[M],辽宁:东北大学出版社,2001.11.[3]袁曾任.《人工神经网络及其应用》[M],北京:清华大学出版社,1999.[4]阎平凡.《人工神经网络与模拟进化计算》[M],北京:清华大学出版社,2003.[5]戴维.I.克里夫.《项目管理战略设计与实施》[M],北京:机械工业出版社,2003.ApplicationofArtificialNeuralNetworkintheManagementofProjectCostShiZhenSchoolofBusinessAdministration,LiaoningTechnicalUniversity,Huludao,China(125105)AbstractThemanagementofcostisanimportantpartoftheProjectManagement.IntheProjectManagement,thesystem-analysisofcostisgoodtoimprovebenefitofproject.ThroughtheanalysisoffundamentalprincipleofANNandBPnetwork,anddiscusstheapplicationofAANinthemanagementofprojectcost.Thevalidityandreliabilityareprovedbyexperiments.Keywords:ANN;BPnet;ManagementofProjectCost-5-'