本科论文开题报告范例(大学硕士学位论文开题报告)

论文名称：基于bp神经网络的技术创新预测评价模型及其应用研究

课题来源：单位自制课题或省政府颁发的研究课题

选择主题的基础：

技术创新的预测和评价是企业进行技术创新决策的前提和基础。通过对技术创新的预测和评价，企业能够正确把握未来技术发展水平及其变化趋势，从而为企业技术创新决策提供科学依据，减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下，企业的技术创新工作才能朝着正确的方向进行，企业产品的市场竞争力才能不断增强。在市场竞争日益激烈的现代企业中，企业的技术创新决定着企业的生存与发展、未来与命运。为了保证技术创新的正确性，企业对技术创新的预测和评价提出了更高的要求。

二、国内外该课题的研究现状和发展趋势

现有的技术创新预测方法可分为三类：趋势外推、相关分析和专家预测。

(1)趋势外推。它是指利用过去和现在的技术和经济信息来分析技术发展的趋势和规律，并在分析和判断这些趋势和规律将会继续的前提下，将过去和现在的趋势推断到未来。增长曲线法是趋势外推法中广泛使用的技术创新预测方法。美国生物学家和人口学家雷蒙德珀尔提出的珍珠曲线(数学模型是：Y=L/1A？英国数学家和统计学家冈珀兹提出的经验(exp-b . t)]和冈珀兹曲线(数学模型为：y=l exp-b . t))属于增长曲线。其预测值y是技术性能指标，t是时间独立变量，l、a和b是常数。Ridenour模型也属于增长曲线预测方法，但它假设新技术的增长率与熟悉该技术的人数成正比，这主要适用于新技术和新产品的扩散预测。

(2)相关性分析。利用一系列条件、参数、因果关系数据等信息，建立预测对象与影响因素之间的因果关系模型，预测技术的发展变化。相关性分析认为，技术性能的提高或应用的扩展与其他已知因素高度相关，因此可以通过对已知因素的分析来预测技术。相关分析主要包括以下方法：超前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数量等因素的相关分析、目标与手段的相关分析等。

(3)专家预测法。以专家意见为信息源，通过对专家意见的系统调查和咨询，对预测结果进行分析和整理。专家预测方法主要包括：专家个人判断法、专家会议法、头脑风暴法和德尔菲法，其中德尔菲法吸收了以往几种专家预测方法的优点，避免了其缺点，被认为是技术预测中最有效的专家预测方法。

趋势外推方法的预测数据只能是纵向数据。在产品技术创新的预测中，只有过去的产品技术绩效可以作为预测其随时间发展趋势的指标，它不涉及影响产品技术创新的科技、经济、产业、市场、社会等诸多因素。在现代商业经济中，对产品技术发展的预测不能简单地归结为根据时间的推移对产品过去的技术性能指标的类比，而应系统、全面地考虑现代商业中其他因素对企业产品技术创新的深刻影响。虽然相关分析法可以同时根据水平数据和垂直数据进行预测，但它是利用过去历史数据中影响产品技术创新的一些因素得到的一个具体的回归预测公式，得到的回归预测模型只能考虑几个主要的影响因素，而忽略了许多没有考虑的因素。因此，所建立的模型对实际问题的表达能力不够准确，预测结果与实际符合程度偏差较大。专家预测法是一种定性预测方法，它依赖于预测者的知识和经验，而且往往是主观的。很难满足企业对技术创新预测准确性的要求。上述预测技术创新的技术和方法为企业技术创新的发展做出了巨大贡献，为预测企业技术创新提供了科学的方法。但是，在新的经济和市场环境下，预测技术创新的方法和技术应该得到丰富和发展，克服自身的不足，进一步适应时代发展的需要，为企业技术创新的发展和企业的生存与发展提供先进的基础理论和技术方法。

目前，在评价中国企业技术创新时，一般只考虑以下四个因素： (1)技术的先进性、可行性和持续性；(2)经济效应；(3)社会效应；(4)风险，在逐一分析这四个方面后，做出综合评价。综合评价采用的方法主要有：德尔菲法(专家法)、层次分析法(层次分析法)、模糊评价法、决策树法、战略法和各种图例法等。然而，技术创新评价是一个非常复杂的系统，具有广泛的非线性、时变性和不确定性。同时，它也涉及到许多复杂的因素，如技术、经济、管理和社会等。目前采用的原则和方法难以满足企业对技术创新评价的科学要求。我国对技术创新评价的研究并不长。指标体系和评价方法都在研究之中。我们认为，目前在企业技术创新评价方面要做的工作是： (1)建立一套符合我国实际情况的技术创新评价指标体系。(2)建立适用于多因素、非线性和不确定性的综合评价方法。

在这种情况下，神经网络技术有其独特的优势。它具有并行分布、自组织、自适应、自学习和容错等优良性能，能够更好地适应多因素、不确定性和非线性问题的技术创新预测和评价。它可以克服上述方法的缺点。本项目以bp神经网络为基础，构建了基于多因素的技术创新预测与评价模型。bp神经网络由输入层、隐含层和输出层组成。每层神经元的数量不同，由正向传播和反向传播组成。在产品技术创新预测和评价过程中，影响产品技术创新预测值和评价值的N个因素信息从输入层输入，经过隐含层处理后输入到输出层，输出值Y是产品技术的预测值

根据文献综述，虽然有一些研究对现有的技术创新预测与评价的原则和方法进行了改进和完善，如文献[08、[09、[11等。目前，还没有研究神经网络在技术创新预测和评价中的应用。在当前产品市场生命周期不断缩短、企业需要不断推出新产品的经济条件下，建立基于神经网络的产品技术创新预测与评价模型是对技术创新定量预测与评价方法的有益补充和改进。

论文预期结果的理论意义和应用价值

本项目研究的理论意义体现在： (1)中，探索新的技术创新预测与评价技术，丰富和完善技术创新预测与评价方法体系。(2)将神经网络技术引入技术创新预测和评价，有利于促进技术创新预测和评价方法的发展。

本项目研究的应用价值体现在： (1)中，提供了一种基于多因素的技术创新定量预测技术，有利于提高预测的准确性；(2)提出一种基于bp神经网络的综合评价方法，有利于提高评价的科学性；(3)为企业技术创新的预测和评价提供新的方法和实用技术。

四、课题研究的主要内容

研究目标：

基于bp神经网络模型，研究了基于多因素的技术创新预测评价模型，建立了科学的预测评价指标体系，设计了相应的模型计算方法，并结合企业具体实际对指标和模型体系进行了实证分析，具有一定的理论水平和实用价值。

研究内容：

1、企业技术创新影响预测与评价的相关指标体系的确定和量化、标准化。从企业的宏观环境和微观环境出发，紧密结合电子商务和知识经济对企业技术创新的影响，系统全面地分析影响产品技术创新的相关因素，建立科学的企业技术创新预测和评价指标体系，研究其量化和标准化的原则和方法。

2.确定影响技术创新预测和评价的相关指标的相对权重。当影响技术创新发展变化的相关因素被输入预测和评价模型时，需要一组初始权重来确定其相对重要性，而权重的确定需要基本原则的支持。

3.基于bp神经网络的技术创新预测评价模型研究。根据技术创新预测的特点

基于bp神经网络，建立了技术创新的多因素预测与评价模型。

4.基于bp神经网络的技术创新预测评价模型计算方法设计。根据基于bp神经网络的技术创新预测评价模型的基本特点，设计了相应的计算方法。

5.基于bp神经网络的技术创新预测评估模型学习样本设计。根据相关历史数据，构建了基于bp神经网络的技术创新预测与评价模型的学习样本，并对预测与评价模型进行自学习和训练，使模型适合实际情况。

6.基于bp神经网络的技术创新预测与评价技术实证研究。在一般企业技术创新预测与评价的基础上，对基于bp神经网络的技术创新预测与评价技术进行了实证研究。

创新：

1.建立一套基于电子商务和知识经济的技术创新预测和评价指标体系。目前，在预测和评价指标体系方面