---------计划合理性U43
...
因此，我们认为项目管理的最终风险值是由生产成本超过预算、管理费用超过预算，意外支出、工期延误、产品质量、技术风险、士气低落、骨干人员流失等若干事件的风险值综合求得，并据此构筑项目风险BP神经网络。
二．指标选取
选择的样本分训练样本和检验样本两类，每类样本分别由代表公司历史中项目组合四个象限(以公司对项目的熟悉程度为X轴，以项目创造的利润贡献比进行划分)中的项目组成，实证研究中先通过训练样本建立模型，然后用检验样本对模型的预测能力进行检验。一般来说，我们将这些数据分为不可控和可控两大方面：
不可控：政治环境(法律法规及其稳定性)，经济环境（社会总体收入水平，物价水平，经济增长率），产业结构（进入产业障碍，竞争对手数量及集中程度），市场环境（市场大小）。
可控：企业盈利能力（销售利润率，企业利润增长率），产品竞争能力（产品销售率，市场占有率），技术开发能力（技术开发费比率，企业专业技术人才比重），资金筹措能力（融资率），企业职工凝聚力（企业员工流动率），管理人才资源，信息资源；战略本身的风险因素（战略目标，战略重点，战略措施，战略方针）。
这种初始指标体系是针对普遍意义上的企业，当该指标系统运用于实际企业时，需要对具体指标进行适当的增加或减少，并据此进行相应的约简，构造神经网络的初始结构，便于神经网络的训练。
三．计算和网络训练
BP神经网络风险识别模型将沿以下流程进行计算：
1）权值和阈值初始化。随机给出权值|W[i][j]|、|V[j][t]|和|Q[j]|、|R[t]|的初始值，计算器归零。
2）给定输入信号A[k]，（k＝1，2，……，m）和期望输出信号T[k]（k＝1，2，……，q）。
3）计算神经网络前向传播信号。
隐节点的输入输出：
S[j]= ∑W[i][j]Y[j] – Q[j]
B[j] = f(S[j]) (j = 1,…,p)
输出节点的输入输出：
L[j] = ∑V[j][t] – R[t]
Z[t] = f (L[t]) (t = 1,…,q)
实际输出节点和目标值之间的误差：
E = e[t] = 0.5 * ∑( A[t] – Z[t]) (A[t] – Z[t])
4）各层次权值和阈值的修正。如果误差不能满足误差精度要求，从输出层开始，误差信号将沿连接通路反向传播，以修正权值和阈值。
5）随机抽取一个学习模式（样本）提供给网络，返回第3）步，直至n个模式（训练样本）全部训练完毕。
6）重新从n个模式中随机选取一个模式返回第3）步进行训练，直至训练误差达到误差精度（ε）要求，训练结束。
四．实证检验
这一阶段是把模型输出风险进行分类。
具体等级分为三级:无警、轻警、重警，并用绿、黄、红三种颜色灯号表示。其中绿灯区表示项目运营综合指标所反映的实际运行值与目标值基本一致，运行良好；黄灯区表示项目运营综合指标所反映的实际运行值与目标值偏离较大，要引起企业的警惕。若采取一定的措施可转为绿灯区，若不重视可在短期内转为红灯区；红灯区则表示这种偏离超过企业接受的可能，并给企业带来整体性的重大损失。
综上所述，我们可以得出以下结论：
（1） 运用神经网络系统能够很好地避免一般统计方法和模糊评判的隶属度和权重分配不易准确确定的问题，大幅度提高了预测精确度和可靠性。
（2） 应用神经网络分析风险的方法可以根据总风险值按照大小程度对管段进行有效的排序，对企业内个各个项目的健康状态进行了评估，为决策提供良好的依据。
转贴于：http://www.leadge.com
项目经理胜任力免费测评PMQ上线啦！快来测测你排多少名吧~
http://www.leadge.com/pmqhd/index.html
