银行项目的风险预警方法及装置制造方法及图纸

本发明专利技术提出了一种银行项目的风险预警方法及装置，涉及计算机数据处理技术领域，该方法包括：采集银行项目的历史数据；设定期望输出样本集；建立BP神经网络模型，根据银行项目的历史数据训练所述BP神经网络，对项目数据到项目健康度进行映射学习，并根据期望输出样本集调整模型参数，经过反复训练得到训练完成的BP神经网络模型；将当前时间点的项目数据输入至训练完成的BP神经网络模型，得到实际输出结果；根据实际输出结果进行预警提示。本发明专利技术可以预测项目实施过程中潜在风险隐患，以便项目管理人员提前制定风险应对措施，减少后期问题发生的概率，为银行项目的顺利进行提供有力的技术及数据支持。技术及数据支持。技术及数据支持。

【技术实现步骤摘要】
银行项目的风险预警方法及装置


[0001]本专利技术涉及计算机数据处理
，尤指一种银行项目的风险预警方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]在银行项目管理过程中，由于银行数据信息量大，涉及业务部门、科技部门较多，同时，关联产品、需求众多等原因，通常情况下，都是通过借助批量报表，甚至由项目经理手工登记台账的方式，来记录银行项目管理的多种信息项，从而预测和识别出项目管理过程中的风险。这种方法中使用到的项目相关信息项因生成时间较为滞后、信息不同步等原因，会导致项目风险发生时，预测风险已成问题事实，项目经理在推进解决时，管理成本明显升高。
[0004]综上来看，亟需一种可以克服上述缺陷，能够高效准确的对银行项目的风险进行预警的技术方案。

技术实现思路

[0005]为解决现有技术存在的问题，本专利技术提出了一种银行项目的风险预警方法及装置。本专利技术能够在推进银行项目实施过程中，基于BP神经网络建立学习模型，提前预测在某批次项目任务实施过程中项目各指标健康度，提前预测风险发生点，以便项目经理及时制定风险应对计划。
[0006]在本专利技术实施例的第一方面，提出了一种银行项目的风险预警方法，包括：
[0007]采集银行项目的历史数据；
[0008]设定期望输出样本集；
[0009]建立BP神经网络模型；
[0010]根据银行项目的历史数据训练所述BP神经网络，对项目数据到项目健康度进行映射学习，并根据期望输出样本集调整模型参数，经过反复训练得到训练完成的BP神经网络模型；
[0011]将当前时间点的项目数据输入至训练完成的BP神经网络模型，得到实际输出结果；
[0012]根据实际输出结果进行预警提示。
[0013]在本专利技术实施例的第二方面，提出了一种银行项目的风险预警装置，包括：
[0014]数据采集模块，用于采集银行项目的历史数据；
[0015]设定模块，用于设定期望输出样本集；
[0016]模型建立模块，用于建立BP神经网络模型；
[0017]模型训练模块，用于根据银行项目的历史数据训练所述BP神经网络，对项目数据
到项目健康度进行映射学习，并根据期望输出样本集调整模型参数，经过反复训练得到训练完成的BP神经网络模型；
[0018]输出模块，用于将当前时间点的项目数据输入至训练完成的BP神经网络模型，得到实际输出结果；
[0019]预警提示模块，用于根据实际输出结果进行预警提示。
[0020]在本专利技术实施例的第三方面，提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现银行项目的风险预警方法。
[0021]在本专利技术实施例的第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现银行项目的风险预警方法。
[0022]在本专利技术实施例的第五方面，提出了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现银行项目的风险预警方法。
[0023]本专利技术提出的银行项目的风险预警方法及装置通过采集银行项目的历史数据；设定期望输出样本集；建立BP神经网络模型；根据银行项目的历史数据训练所述BP神经网络，对项目数据到项目健康度进行映射学习，并根据期望输出样本集调整模型参数，经过反复训练得到训练完成的BP神经网络模型；将当前时间点的项目数据输入至训练完成的BP神经网络模型，得到实际输出结果；根据实际输出结果进行预警提示，从而预测项目实施过程中潜在风险隐患，以便项目管理人员提前制定风险应对措施，减少后期问题发生的概率，为银行项目的顺利进行提供有力的技术及数据支持。
附图说明
[0024]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0025]图1是本专利技术一实施例的银行项目的风险预警方法流程示意图。
[0026]图2是本专利技术一具体实施例的三层BP神经网络模型的示意图。
[0027]图3是本专利技术一具体实施例的银行项目风险预警的流程示意图。
[0028]图4是本专利技术一实施例的银行项目的风险预警装置架构示意图。
[0029]图5是本专利技术另一实施例的银行项目的风险预警装置架构示意图。
[0030]图6是本专利技术一实施例的计算机设备结构示意图。
具体实施方式
[0031]下面将参考若干示例性实施方式来描述本专利技术的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本专利技术，而并非以任何方式限制本专利技术的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
[0032]本领域技术人员知道，本专利技术的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件
(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
[0033]在实际应用场景中，银行项目在整个生命周期中，包含了许多关键信息，如：项目规模、项目干系人、项目立项预算、项目执行预算、项目细化需求、项目变更需求、技术方案评审情况、关联产品情况、项目计划评审、生产任务、项目执行率、CPI、SPI等；银行项目的许多指标能够反映项目本身健康度的情况及其他潜在的风险或问题。对此，本专利技术提出了一种银行项目的风险预警方法及装置，将BP网络用于银行项目管理中，预警项目风险，减少项目风险发生概率，降低项目经理管理成本。
[0034]在本专利技术实施例中，需要说明的术语有：
[0035]神经网络：一种模仿人类神经网络行为特征，进行分布式并行信息处理的算法数学模型。
[0036]BP神经网络：一种误差后向传播神经网络，是神经网络模型中使用最广泛的一类；它分为输入层、隐藏层和输出层的一种网络拓扑结构。利用BP网络模型的多层隐含层的连接权，可以提高神经网络的学习和记忆功能。
[0037]下面参考本专利技术的若干代表性实施方式，详细阐释本专利技术的原理和精神。
[0038]图1是本专利技术一实施例的银行项目的风险预警方法流程示意图。如图1所示，该方法包括：
[0039]S1，采集银行项目的历史数据；
[0040]S2，设定期望输出样本集；
[0041]S3，建立BP神经网络模型；
[0042]S4，根据银行项目的历史数据训练所述BP神经网络，对项目数据到项目健康度进行映射学习，并根据期望输出样本集调整模型参数，经过反复训练得到训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种银行项目的风险预警方法，其特征在于，包括：采集银行项目的历史数据；设定期望输出样本集；建立BP神经网络模型；根据银行项目的历史数据训练所述BP神经网络，对项目数据到项目健康度进行映射学习，并根据期望输出样本集调整模型参数，经过反复训练得到训练完成的BP神经网络模型；将当前时间点的项目数据输入至训练完成的BP神经网络模型，得到实际输出结果；根据实际输出结果进行预警提示。2.根据权利要求1所述的方法，其特征在于，采集的银行项目的历史数据至少包括：生产任务情况、关联产品清单、版本发布情况、测试任务风险、项目预算执行率、项目工作包执行率在内的数据。3.根据权利要求1所述的方法，其特征在于，还包括：对银行项目的历史数据进行预处理，其中至少包括：人工检查，机器过滤出无效数据，对数据进行一致性处理。4.根据权利要求1所述的方法，其特征在于，建立BP神经网络模型，包括：根据输入样本及期望输出样本集，确定隐藏层的层数，建立初始的BP神经网络模型。5.根据权利要求1所述的方法，其特征在于，根据实际输出结果进行预警提示，包括：设定健康度阈值范围；将实际输出结果与所述健康度阈值范围进行比较，对于超出所述健康度阈值范围的实际输出结果对应的项目，进行风险预警提示。6.一种银行项目的风险预警装置，其特征在于，包括：数据采集模块，用于采集银行项目的历史数据；设定模块，用于设定期望输出样本集；模型建立模块，用于建立BP神经网络模型；模型训练模块，用于根据银行项目的历史数据训练所述BP神经网络，对项目数据到项目健康度进行映射学习，并根据期望输出样本集调整...

【专利技术属性】
技术研发人员：郑闪，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：