1、公共管理碩士生的開題匯報材料一、論文名稱、課題來源、選題依據論文名稱：基于bp神經網絡的技術創新預測與評估模型及其應用研討課題來源：單位自擬課題或省政府下達的研討課題選題依據：技術創新預測和評估是企業技術創新決策的前提和依據。通過技術創新預測和評估，可以使企業對將來的技術進展水平及其改變趨勢有正確的把握，從而為企業的技術創新決策提供科學的依據，以削減技術創新決策過程中的主觀性和盲目性。只有在正確把握技術創新進展方向的前提下，企業的技術創新工作才能順著正確方向開展，企業產品的市場競爭力才能得到不斷強化。在市場競爭日趨劇烈的現代商業中，企業的技術創新確定著企業生存和進展、前途與命運，為了確保技術創

2、新工作的正確性，企業對技術創新的預測和評估提出了更高的要求。二、本課題國內外研討現狀及進展趨勢現有的技術創新預測方法可分為趨勢外推法、相關分析法和專家預測法三大類。（1）趨勢外推法。指利用過去和如今的技術、經濟信息，分析技術進展趨勢和規律，在分析推斷這些趨勢和規律將連續的前提下，將過去和如今的趨勢向將來推演。生長曲線法是趨勢外推法中的一種應用較為廣泛的技術創新預測方法，生物學家和人口統計學家raymondpearl提出的pearl曲線（數學模型為：y=l1+a？eXp（-b·t）及英國數學家和統計學家gompertz提出的gompertz曲線（數學模型為：y=l·eXp（-

3、b·t）皆屬于生長曲線，其預測值y為技術性能指標，t為時間自變量，l、a、b皆為常數。ridenour模型也屬于生長曲線預測法，但它假定新技術的成長速度與熟識該項技術的人數成正比，主要適用于新技術、新產品的擴大預測。（2）相關分析法。利用一系列條件、參數、因果關系數據和其他信息，建立預測對象與影響因素的因果關系模型，預測技術的進展改變。相關分析法認為，一種技術性能的改進或其應用的擴展是和其他一些已知因素高度相關的，這樣，通過已知因素的分析就可以對該項技術進行預測。相關分析法主要有以下幾種：導前-滯后相關分析、技術進步與經驗積累的相關分析、技術信息與人員數等因素的相關分析及目標與手段的

4、相關分析等方法。（3）專家預測法。以專家看法作為信息來源，通過系統的調查、征詢專家的看法，分析和整理出預測結果。專家預測法主要有：專家個人推斷法、專家會議法、頭腦風暴法及德爾菲法等，其中，德爾菲法汲取了前幾種專家預測法的特長，防止了其缺點，被認為是技術預測中最有效的專家預測法。趨勢外推法的預測數據只能為縱向數據，在進行產品技術創新預測時，只能利用過去的產品技術性能這一個指標來預測它的隨時間的進展趨勢，并不觸及影響產品技術創新的科技、經濟、產業、市場、社會及政策等多方面因素。在現代商業經濟中，對于產品技術進展的預測不能簡潔地歸結為產品過去技術性能指標按時間的進展來類推，而應系統綜合地考慮現代商業

5、中其他因素對企業產品技術創新的深入影響。相關分析法盡管可同時按橫向數據和縱向數據來進行預測，但由于它是利用過去的歷史數據中的某些影響產品技術創新的因素求出的詳細的回來預測式，而所得到的回來預測模型往往只能考慮少數幾種主要影響因素，略去了很多未考慮的因素，所以，所建模型對實際問題的表達力量也不夠精確，預測結果與實際的符合程度也有較大偏差。專家預測法是一種定性預測方法，依靠的是預測者的學問和經驗，往往帶有主觀性，難以滿意企業對技術創新預測精確度的要求。以上這些技術創新預測技術和方法為企業技術創新工作的開展做出了很大的奉獻，為企業技術創新的預測提供了科學的方法論，但在新的經濟和市場環境下，技術創新預

6、測的方法和技術應有新的豐富和進展，以克服自身的缺乏，更進一步順應時展的需要，為企業的技術創新工作的開展和企業的生存與進展提供先進的根底理論和技術方法。目前，在我國企業技術創新評估中，一般只考慮如下四個方面的因素：（1）技術的先進性、可行性、連續性；（2）經濟效果；（3）社會效果；（4）風險性，在對此四方面內容逐個分析后，再作綜合評估。在綜合評估中所用的方法主要有：delphi法（專家法）、ahp法（層次分析法）、模糊評估法、決策樹法、戰略方法及各種圖例法等，但技術創新的評估是一個非常冗雜的系統，其中存在著廣泛的非線性、時變性和不確定性，同時，還觸及技術、經濟、管理、社會等諸多冗雜因素，目前所運

7、用的原理和方法，難以滿意企業對技術創新評估科學性的要求。關于技術創新評估的研討，在我國的歷史還不長，無論是指標體系還是評估方法，均處于研討之中，我們認為目前在企業技術創新評估方面應做的工作是：（1）建立一套符合我國實際情況的技術創新評估指標體系；（2）建立一種順應于多因素、非線性和不確定性的綜合評估方法。這種情況下，神經網絡技術就有其特有的優勢，以其并行分布、自組織、自順應、自學習和容錯性等優良性能，可以較好地順應技術創新預測和評估這類多因素、不確定性和非線性問題，它能克服上述各方法的缺乏。本工程以bp神經網絡作為基于多因素的技術創新預測和評估模型構建的根底，bp神經網絡由輸入層、隱含層和輸出層構成，各層的神經元數目不同，由正向傳播和反向傳播組成，在進行產品技術創新預測和評估時，從輸入層輸入影響產品技術創新預測值和評估值的n個因素信息，經隱含層處理后傳入輸出層，其輸出值y即為產品技術創新技術性能指標的預測值或產品技術創新的評估值。這種n個因素指標的設置，考慮了概括性