This invention discloses a project schedule risk prediction method based on factor analysis and SOM network, and uses factor analysis and cluster analysis to lose the result to SOM, instead of directly assigning observation data to artificial neural network, which is equivalent to reducing the burden of neural network and improving the operation of SOM by using statistical tools. Efficiency, avoiding the difficulty of the neural network which is not converging or falling into the local minimum because of the massive operation. Using the SOM network with strong pattern recognition ability to predict the sample, the training times are few, the classification is accurate, and the adaptability of the human factors in the production reality is strong. Especially when the project is special, the amount of data is very large and the data dimension is high, the prediction system fully uses the advantages of MINITAB's large data statistical analysis and MATLAB's intelligent computing.
【技术实现步骤摘要】
一种基于因子分析和SOM网络的项目进度风险预测方法
本专利技术涉及一种风险预测方法,具体涉及一种基于因子分析和SOM网络的项目进度风险预测方法。
技术介绍
进度管控是项目管理的重要部分,而由于工程涉及多个环节,任一环出现滞后都可能延误整个项目进度。目前的项目进度管理,主要是通过制定里程碑计划并监督执行,以及通过开展定期、不定期的项目推进会、协调会等形式,仍缺乏高效量化判断、事前精准预警的手段,难以突破“事后管理”瓶颈,达不到事前预判、未雨绸缪的成效。现在市面上已经存在利用SOM网络进行项目进度风险预测的方法,但是,SOM网络对数据量较大的数据进行处理时海量运算容易导致不收敛或陷入局部极小值的困境。
技术实现思路
本专利技术所要解决的技术问题是现在市面上已经存在利用SOM网络进行项目进度风险预测的方法,但是,SOM网络对数据量较大的数据进行处理时海量运算容易导致不收敛或陷入局部极小值的困境,目的在于提供一种基于因子分析和SOM网络的项目进度风险预测方法,解决现在市面上已经存在利用SOM网络进行项目进度风险预测的方法,但是,SOM网络对数据量较大的数据进行处理时海量运算容易导致不收敛或陷入局部极小值的困境的问题。本专利技术通过下述技术方案实现:一种基于因子分析和SOM网络的项目进度风险预测方法,包括ERP系统,还包括依次进行的以下步骤:A、通过ERP系统获取物资需求提报率x1、非物资需求提报率x2、合同签订率x3、招标采购率x4、物资领用率x5、合同履约率x6、累计支出入账率x7的分析数据,通过ERP系统对上述数据进行验证和修正;B、将x1-x7导入MINITAB ...
【技术保护点】
一种基于因子分析和SOM网络的项目进度风险预测方法,包括ERP系统,其特征在于,还包括依次进行的以下步骤:A、通过ERP系统获取物资需求提报率x1、非物资需求提报率x2、合同签订率x3、招标采购率x4、物资领用率x5、合同履约率x6、累计支出入账率x7的分析数据,通过ERP系统对上述数据进行验证和修正;B、将x1‑x7导入MINITAB软件进行因子分析,得到影响进度的潜在因子Y1:线下施工进度、Y2:物资采购进度、Y3:工程服务采购进度;C、对Y1、Y2、Y3进行聚类分析,整理成项目进度风险矩阵T;D、将项目进度风险矩阵T导入MATLAB软件,在MATLAB软件中编程建立SOM网络,对项目进度风险矩阵T的数据进行训练,对训练后稳定的SOM网络进行验证,分析测试效果;E、利用ACCESS软件将历史数据的训练结果、SOM网络和当前数据的预测结果封装成数据库,形成高效便捷的项目进度风险预测查询系统。
【技术特征摘要】
1.一种基于因子分析和SOM网络的项目进度风险预测方法,包括ERP系统,其特征在于,还包括依次进行的以下步骤:A、通过ERP系统获取物资需求提报率x1、非物资需求提报率x2、合同签订率x3、招标采购率x4、物资领用率x5、合同履约率x6、累计支出入账率x7的分析数据,通过ERP系统对上述数据进行验证和修正;B、将x1-x7导入MINITAB软件进行因子分析,得到影响进度的潜在因子Y1:线下施工进度、Y2:物资采购进度、Y3:工程服务采购进度;C、对Y1、Y2、Y3进行聚类分析,整理成项目进度风险矩阵T;D、将项目进度风险矩阵T导入MATLAB软件,在MATLAB软件中编程建立SOM网络,对项目进度风险矩阵T的数据进行训练,对训练后稳定的SOM网络进行验证,分析测试效果;E、利用ACCESS软件将历史数据的训练结果、SOM网络和当前数据的预测结果封装成数据库,形成高效便捷的项目进度风险预测查询系统。2.根据权利要求1所述的一种基于因子分析和SOM网络的项目进度风险预测方法,其特征在于,所述步骤A中通过ERP系统获取物资需求提报率x1、非物资需求提报率x2、合同签订率x3、招标采购率x4、物资领用率x5、合同履约率x6、累计支出入账率x7的分析数据的方法包括以下步骤:A1、通过ERP系统进行历年项目每月物资需求提报、非物资需求提报、合同签订、招标采购、物资领用、合同履约、累计支出入账数据提取;A2、运用归一化处理方法对步骤A1中提取的数据进行处理,得到物资需求提报率x1、非物资需求提报率x2、合同签订率x3、招标采购率x4、物资领用率x5、合同履约率x6、累计支出入账率x7的分析数据。3.根据权利要求2所述的一种基于因子分析和SOM网络的项目进度风险预测方法,其特征在于,所述步骤A中还包括步骤A3:...
【专利技术属性】
技术研发人员:沈润夏,罗飞,李晓东,余秦军,
申请(专利权)人:国网四川省电力公司凉山供电公司,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。