北大公共管理硕士(公共管理硕士生的开题报告)

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，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。

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与评价过程中，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，经隐含层处理后输入到输出层，输出值Y为产品技术创新技术绩效指标的预测值或产品技术创新的评价值。该N因子指数的设定考虑了一般性和动态性，力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素。虽然它是一个黑箱预测和评估，但事实证明它自身强大的学习能力可以融合各种待考虑因素的数据，经过非线性变换后输出更准确的预测值和评估值。