System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种智能软件开发企业价值的评估方法,尤其涉及一种基于粒子群算法优化灰色曲波神经网络的智能软件开发企业价值的评估方法。
技术介绍
1、目前,智能软件开发企业逐步增多,对于推动国家经济发展具有非常重要的意义。然而,智能软件开发企业的投入、风险和收益都比较高,因此,准确地进行智能软件开发企业价值评估具有较大的难度,有必要选择有效的方法进行智能软件开发企业价值的科学评估,从而能够准确地掌握智能软件开发企业的内在价值,从而能够减少信息不准确产生的影响,提升投资的安全系数。人工神经网络在评估方面是一种非常有前途的方法,而传统的神经网络存在容易陷入局部最优、泛化性能不佳以及效率不高的缺陷。
技术实现思路
1、本专利技术针对上述现有技术中存在的问题,提供一种粒子群算法优化灰色曲波神经网络的智能软件开发企业价值评估方法,从而提升智能软件开发企业价值评估的精度和效率。
2、本专利技术的技术方案包括如下步骤:
3、步骤1:基于灰色模型的输入参数预处理
4、步骤1-1:确定输入参数,包括债券资本、权益资本、息前税后净利润、资本化研发费用、营业外支出、投资收益、营业外收入;确认输入数据的时序长度l,并生成初始时序x0,m,原始输入数据的时序利用下式表示
5、x0,m={x0,1,x0,2,…,x0,m} (1)
6、步骤1-2:为了削弱原始输入数据的随机性和波动性,增强其确定性,通过累积时间序列x0,m生成一个新的时间序列x1,
7、x1,m={x1,1,x1,2,…,x1,m} (2)
8、步骤1-3:针对x1,m,其一阶单变量gm(1,1)线性微分方程如下所示:
9、
10、式中,β表示发展因子,μ表示灰色作用因子。
11、步骤1-4:对参数进行最小二乘估计得到下式:
12、
13、式中,
14、步骤1-5:通过将步骤4获得的参数代入方程(3)求解微分方程,可以获得下式:
15、
16、步骤1-6:对进行减法操作,基于gm模型获得的预测值利用下式计算:
17、
18、步骤1-7:利用灰色模型对不同时间序列长度的数据进行处理获得智能软件开发企业价值的预测用不同原始参数灰色预处理模型gml、gm2、...、gmm。
19、步骤2:构造三层曲波神经网络,曲波神经网络结构如图1所示。
20、步骤2-1:把gml、gm2、...、gmm模型获得的预测值进行归一化操作,结果设置为输入层的神经元,输入层节点数定义为m,输入变量定义为[x1,x2,…,xm],隐含层第h个神经元与输出层神经元的权重定义为ωh,隐含层神经元的激励函数选择曲波函数,定义为ψγ。
21、步骤2-2:将智能软件开发企业的价值作为输出,本专利技术以经济增加值率(reva)描述智能软件开发企业价值的评估指标。灰色曲波神经网络的输出定义为:
22、
23、式中,gi表示隐含层第i个神经元的输出,利用下式表示:
24、
25、式中,ai表示曲波函数的尺度因子,bi表示曲波函数的伸缩因子,ui表示曲波函数的方向向量。
26、步骤2-3:进行评估仿真分析,通过权衡评估效率和评估精度确定最佳的隐含层节点数量。
27、步骤3:利用粒子群算法对灰色曲波神经网络的参数(ωh、ai、bi)进行优化,确定最优灰色曲波神经网络。
28、步骤4:将收集的样本划分为训练样本和测试样本,利用训练样本训练灰色曲波神经网络,利用测试样本测试训练好的灰色曲波神经网络,验证模型的评估性能。
29、本专利技术的优点效果如下:
30、通过本专利技术构建的基于粒子群算法优化灰色曲波神经网络对智能软件开发企业价值进行评估。利用粒子群算法优化灰色曲波神经网络的性能参数,能够有效地提升智能软件开发企业价值评估的精度和效率,为投资者提供有效的决策信息。
本文档来自技高网...【技术保护点】
1.一种智能软件开发企业价值的评估方法,其特征在于包括如下步骤:
2.根据权利要求1所述的一种智能软件开发企业价值的评估方法,其特征在于基于灰色模型的输入参数预处理步骤如下:
3.根据权利要求1所述的一种智能软件开发企业价值的评估方法,其特征在于构造三层曲波神经网络步骤如下:
【技术特征摘要】
1.一种智能软件开发企业价值的评估方法,其特征在于包括如下步骤:
2.根据权利要求1所述的一种智能软件开发企业价值的评估方法,其特征在于基...
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。