变更控制绩效确定方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种变更控制绩效确定方法、装置、电子设备及存储介质，可用于金融领域，电子设备在确定变更控制绩效过程中，获取目标项目的变更控制绩效考核参数，对变更控制绩效考核参数进行数据预处理，获得目标特征数据，利用变更控制绩效考核模型处理目标特征数据，获得目标项目的考核绩效，由于处理目标项目的数据是利用专家对应的预设神经网络处理得到的专家打分均值构建的，保障了训练变更控制绩效考核模型的数据的客观性，还节省了各专家打分的时间，同时，模型的训练可参考多样的因素的影响，保障了模型的灵活性，由于利用该控制绩效考核模型生成考核绩效的时间小于CCB成员参考CCB项目中多种参数确定绩效的时间，提高绩效考核的效率。考核的效率。考核的效率。

【技术实现步骤摘要】
变更控制绩效确定方法、装置、电子设备及存储介质


[0001]本申请涉及金融领域，尤其涉及一种变更控制绩效确定方法、装置、电子设备及存储介质。

技术介绍

[0002]在项目执行过程中，若需要额外的项目资金、额外的资源与时间时，需要成立变更控制委员会(Change Control Board，简称：CCB)，以评估上述变更对项目带来的影响，并对上述变更执行过程进行管控和绩效评估。
[0003]在进行CCB绩效评估过程中，由评估者考量CCB项目中多种参数，确定最终绩效，由于CCB绩效评估的多因性、多样性、多维性特点及评估者的主观因素影响，导致CCB绩效评估结果不够灵活、公正、客观，且CCB绩效考核过程中由于考量的因素过多，绩效考核的效率低。

技术实现思路

[0004]本申请提供一种变更控制绩效确定方法、装置、电子设备及存储介质，用以CCB绩效评估结果不够灵活、公正、客观、效率低的问题。
[0005]第一方面，本申请提供变更控制绩效确定方法，包括：
[0006]获取目标项目的变更控制绩效考核参数，所述变更控制绩效考核参数包括：项目立项费用、项目规模、项目期限、项目干系产品名称、项目执行效率、技术方案评审周期、工作量评估周期、需求变更范围、项目费用变更、项目人员变更、任务执行率、变更控制评估问题解决效率、项目整体CPI(Cost Performance Index，成本绩效指标)和SPI(Schedule Performance Index，进度绩效指标)；
[0007]对所述变更控制绩效考核参数进行数据预处理，获得目标特征数据；
[0008]利用变更控制绩效考核模型处理所述目标特征数据，获得所述目标项目的考核绩效；
[0009]其中，所述变更控制绩效考核模型是BP神经网络根据遗传优化算法、目标历史项目的变更控制绩效考核参数和对应的考核绩效专家打分均值训练得到的模型；
[0010]所述目标历史项目的考核绩效专家打分均值为将所述目标历史项目的变更控制绩效考核参数输入到多个预设神经网络中得到的结果的均值。
[0011]在上述技术方案中，由于处理目标项目的数据是利用专家对应的预设神经网络处理得到的专家打分均值构建的，保障了训练变更控制绩效考核模型的数据的客观性，同时，模型的训练可参考多样的因素的影响，保障了模型的灵活性，使得该模型处理得到的绩效考核灵活、公正、客观，由于该模型的训练数据是由各专家对应的多个预设神经网络进行的专家打分生成的，节省了各专家打分的时间，从而节省了控制绩效考核模型的数据采集时间，节省了控制绩效考核模型的训练时间，由于利用该控制绩效考核模型生成考核绩效的时间小于CCB成员参考CCB项目中多种参数确定绩效的时间，提高了绩效考核的效率。
[0012]可选地，对所述变更控制绩效考核参数进行数据预处理，获得目标特征数据，具体包括：
[0013]对所述目标项目的变更控制绩效考核参数进行数据归一化和主成分分析，获得第一目标特征子数据；
[0014]根据所述目标项目的变更控制绩效考核参数计算变更控制费用超支概率、干系产品皮尔逊相关系数，作为第二目标特征子数据；
[0015]所述目标特征数据包括所述第一目标特征子数据和所述第二目标特征子数据。
[0016]在上述技术方案中，电子设备通过数据预处理，提取与专家打分具有关联的目标特征数据，减少了控制绩效考核模型的训练数据中的冗余数据，此外，通过目标项目的变更控制绩效考核参数计算目标项目的变更控制费用超支概率、干系产品皮尔逊相关系数，提高了训练数据的丰富度，提高了控制绩效考核模型的容错性和鲁棒性。
[0017]可选地，在获得目标项目的变更控制绩效考核参数之前，所述方法还包括：
[0018]获取第一训练原始数据，所述第一训练原始数据包括：多个原始历史项目的变更控制绩效考核参数；
[0019]对所述第一训练原始数据进行数据筛选和数据清洗，确定第二训练原始数据；所述第二训练原始数据包括：多个目标历史项目的变更控制绩效考核参数；
[0020]对各所述目标历史项目的变更控制绩效考核参数进行数据归一化和主成分分析，获得各目标历史项目的第一训练特征子数据；
[0021]计算各所述目标历史项目的变更控制绩效考核参数的变更控制费用超值概率、干系产品皮尔逊相关系数，作为各目标历史项目的第二训练特征子数据；
[0022]针对各目标历史项目，利用多个预设神经网络处理各目标历史项目的训练特征数据，获得多个对应的考核绩效专家打分；所述目标历史项目的训练特征数据包括第一训练特征子数据和第二训练特征子数据；
[0023]根据多个所述考核绩效专家打分，确定各目标历史项目对应的专家打分均值；
[0024]根据各目标历史项目的第一训练特征子数据、第二训练特征子数据和专家打分均值，构建各目标历史项目的特征数据。
[0025]在上述技术方案中，在训练控制绩效考核模型的过程中，利用与多个专家打分特性相关的多个预设神经网络处理目标历史项目的训练特征数据，模拟专家对目标历史项目的打分情况，不仅提高了基于目标历史项目的训练集的数据采集效率，还可提高专家打分的目标历史项目的数量，扩大训练集的数据量，提高控制绩效考核模型的准确率，此外，针对同一目标历史项目，通过获取多个专家打分的均值，保障了目标历史项目对应的绩效考核的客观性，从而保障了控制绩效考核模型的处理结果的客观性和准确性。
[0026]可选地，所述方法还包括：
[0027]确定所述BP神经网络的拓扑结构；所述拓扑结构包括所述BP神经网络的输入节点、输出节点和隐藏层节点；
[0028]根据所述拓扑结构和所述遗传优化算法，确定所述BP神经网络的最优初始阈值和最优初始权值；
[0029]将所述最优初始阈值和所述最优初始权值应用进所述BP神经网络后，利用各所述目标历史项目的特征数据训练所述BP神经网络，获得所述变更控制绩效考核模型。
[0030]可选地，根据所述拓扑结构和所述遗传优化算法，确定所述BP神经网络的最优初始阈值和最优初始阈值，具体包括：
[0031]根据所述BP神经网络的拓扑结构，对所述BP神经网络的权值和阈值编码，得到初始种群；
[0032]根据种群个体得到BP神经网络的初始权重和阈值，用各目标历史项目的特征数据训练所述BP神经网络后预测输出值，根据所述预测输出值、期望值和预设适应度函数确定各个体的适应度；
[0033]对种群循环进行选择操作、交叉操作和变异操作，直至达到进化上限，获得最优个体；所述最优个体包括所述BP神经网络的最优初始权值和最优初始阈值。
[0034]在上述技术方案中，采用遗传算法对BP神经网络可调参数(权值、阈值)进行优化，克服BP神经网络初始权值和阈值主观选择的局限性，更加智能客观公正的对项目CCB绩效进行综合评估。
[0035]第二方面，本申请提供变更控制绩效确定装置，包括：
[0036]获取模块，用于获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变更控制绩效确定方法，其特征在于，包括：获取目标项目的变更控制绩效考核参数，所述变更控制绩效考核参数包括：项目立项费用、项目规模、项目期限、项目干系产品名称、项目执行效率、技术方案评审周期、工作量评估周期、需求变更范围、项目费用变更、项目人员变更、任务执行率、变更控制评估问题解决效率、项目整体CPI和SPI；对所述变更控制绩效考核参数进行数据预处理，获得目标特征数据；利用变更控制绩效考核模型处理所述目标特征数据，获得所述目标项目的考核绩效；其中，所述变更控制绩效考核模型是BP神经网络根据遗传优化算法、目标历史项目的变更控制绩效考核参数和对应的考核绩效专家打分均值训练得到的模型；所述目标历史项目的考核绩效专家打分均值为将所述目标历史项目的变更控制绩效考核参数输入到多个预设神经网络中得到的结果的均值。2.根据权利要求1所述的方法，其特征在于，对所述变更控制绩效考核参数进行数据预处理，获得目标特征数据，具体包括：对所述目标项目的变更控制绩效考核参数进行数据归一化和主成分分析，获得第一目标特征子数据；根据所述目标项目的变更控制绩效考核参数计算变更控制费用超支概率、干系产品皮尔逊相关系数，作为第二目标特征子数据；所述目标特征数据包括所述第一目标特征子数据和所述第二目标特征子数据。3.根据权利要求1或2所述的方法，其特征在于，在获得目标项目的变更控制绩效考核参数之前，所述方法还包括：获取第一训练原始数据，所述第一训练原始数据包括：多个原始历史项目的变更控制绩效考核参数；对所述第一训练原始数据进行数据筛选和数据清洗，确定第二训练原始数据；所述第二训练原始数据包括：多个目标历史项目的变更控制绩效考核参数；对各所述目标历史项目的变更控制绩效考核参数进行数据归一化和主成分分析，获得各目标历史项目的第一训练特征子数据；计算各所述目标历史项目的变更控制绩效考核参数的变更控制费用超值概率、干系产品皮尔逊相关系数，作为各目标历史项目的第二训练特征子数据；针对各目标历史项目，利用多个预设神经网络处理各目标历史项目的训练特征数据，获得多个对应的考核绩效专家打分；所述目标历史项目的训练特征数据包括第一训练特征子数据和第二训练特征子数据；根据多个所述考核绩效专家打分，确定各目标历史项目对应的专家打分均值；根据各目标历史项目的第一训练特征子数据、第二训练特征子数据和专家打分均值，构建各目标历史项目的特征数据。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：确定所述BP神经网络的拓扑结构；所述拓扑结构包括所述BP神经网络的输入节点、输出节点和隐藏层节点；根据所述拓扑结构和所述遗传优化算法，确定所述BP神经网络的最优初始阈值和最优初始权值；
将所述最优初始阈值和所述最优初始权值应用进所述BP神经网络后，利用各所述目标历史项目的特征数据训练所述BP神经网络，获得所述变更控制绩效考核模型。5.根据权利要求4所述的方法，其特征在于，根据所述拓扑结构和所述遗传优化算法，确定所述BP神经网络的最优初始阈值和最优初始阈值，具体包括：根据所述BP神经网络的拓扑结构，对所述BP神经网络的权值和阈值编码，得到初始种群；根据种群个...

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