一种项目过程管理预测数据的排异方法技术

一种项目过程管理预测数据的排异方法，包括以下步骤：S1、确定数据的分布特性，参照已有的样本数据对预测数据的均值、方差进行评估；S2、采用假设检验的方法计算预测数据精确的近似概率分布模型；S3、定义置信概率并确定置信门限阈值，根据置信门限阀值来判断预测数据是否异常，找出异常数据并剔除。通过预测数据的排异算法提高了检测数据的合理性和有效性，为项目管理阶段做了相应的数据支持，使项目管理者获得的阶段信息更加真实可靠，为项目成功奠定了基础。

An Exclusion Method for Predictive Data of Project Process Management

【技术实现步骤摘要】
一种项目过程管理预测数据的排异方法
本专利技术涉及一种项目过程管理预测数据的排异方法。
技术介绍
近些年可谓是新科技快速发展的阶段，诸如人工智能、机器学习、物联网以及自动化新型技术的演进。软件技术被认为是促进各项业务增长的催化剂，软件产品是否能按照预期的成本、进度、质量顺利的完成被越来越多的企业重点关注。软件产品能否顺利交付的基础就是项目管理，它涵盖项目工作范围、过程风险、项目资源、任务目标、经历的里程碑、过程工作量、进度等，管理目的是让整个项目从分析、设计、编码、测试、维护等全部生命周期都能在管理者的控制下，以预期投入的成本，按质的交付给用户使用。然而在软件项目管理过程中如计划的制定、项目进度控制、人员安排、资源人投入、问题分析等重要环节又不可或缺相应的数据分析，怎样从大量预测数据中筛选出有价值且正确数据显得尤为重要，这项工作的好坏直接决定了整个软件项目开发的成败，介于此我们引进了一种数据排异算法，将测量数据中异常或可能造成预测结果偏差的数据进行排除，最终使得预测更真实准确便于管理者决策，达到项目管理的目的。软件开发过程中如果对过程数据分析不彻底不准确造成了判断的失误，都是潜在的风本文档来自技高网...

【技术保护点】
1.一种项目过程管理预测数据的排异方法，其特征在于，包括以下步骤：S1、确定数据的分布特性，参照已有的样本数据对预测数据的均值、方差进行评估；S2、采用假设检验的方法计算预测数据精确的近似概率分布模型；S3、定义置信概率并确定置信门限阈值，根据置信门限阀值来判断预测数据是否异常，找出异常数据并剔除。

【技术特征摘要】
1.一种项目过程管理预测数据的排异方法，其特征在于，包括以下步骤：S1、确定数据的分布特性，参照已有的样本数据对预测数据的均值、方差进行评估；S2、采用假设检验的方法计算预测数据精确的近似概率分布模型；S3、定义置信概率并确定置信门限阈值，根据置信门限阀值来判断预测数据是否异常，找出异常数据并剔除。2.根据权利要求1所述的一种项目过程管理预测数据的排异方法，其特征在于，所述步骤S1具体实现方法为：定义预测数据的属性变量为X，它服从某种数据分布形式f(x)，表达式为：X～f(x)运用统计学知识，计算样本数据y＝(a11,a21,a31,…am1)r的频率分布fP(x)，并对其均值μ、方差进行σ估计，具体表达式如下：3.根据权利要求1所述的一种项目过程管理预测数据的排异方法，其特征在于，所述...

【专利技术属性】
技术研发人员：唐雪飞，张青龙，岳超，胡茂秋，
申请(专利权)人：成都康赛信息技术有限公司，
类型：发明
国别省市：四川,51