時間：2022-09-29 04:59:07
緒論：在尋找寫作靈感嗎？愛發表網為您精選了8篇評估方法論文，愿這些內容能夠啟迪您的思維，激發您的創作熱情，歡迎您的閱讀與分享！
[關鍵詞]績效評估；層次分析法；權重；實證
圖書館績效評估即:“圖書館提供服務的效能,以及撥款和資源利用在提供服務中的效率”,就是對圖書館的各項資源的投入和產出的效益進行評價和測度。
一、圖書館績效評估體系的建立
根據2001年的《國家圖書館績效評估指標體系》,圖書館的績效評估(P)體系分為資源(Z)、基礎業務工作(J)、業務研究(Y)、管理(G)、讀者服務(D)五大部分。本文在參考可大量文獻的基礎上,列出了如圖所示由目標層、準則層及指標層的階梯結構圖書館績效評估體系。
二、基于層次分析法的圖書館績效評估
層次分析法是一種定量與定性相結合的系統分析方法。其步驟如下:通過調查,對各個方面及指標的重要性進行兩兩比較,以九級分制對矩陣進行賦值,計算出判斷矩陣的最大特征根max和對應的特征向量W,在滿足一致性比率CR<0.1的情況下,特征向量W所對應的即是所求權重,否則需對判斷矩陣進行調整直至具有滿意的一致性為止。
1.權重確定
根據圖書館績效評估體系可以構造出兩兩判斷矩陣,即將準則層與目標層、指標層與其對應準則層的重要性進行兩兩判斷。以某一高校圖書館為例,通過專家進行打分法,構造出如表1、表2的判斷矩陣。
表1中可以得出圖書館績效評估中各部分的權重依次是:資源(Z)占48%,讀者服務(D)占25%,基礎業務(J)占18%,業務研究(Y)占7%,管理(G)占4%,這也與圖書館的基本功能相符。
對于具體指標對基礎業務(J)、具體指標對業務研究(Y)、具體指標對管理(G),以及具體指標對讀者服務(D)的判斷矩陣的結構形式與表2類似,其計算結果在表3中能夠反應出來,在此略之。
2.績效評估
表3是圖書館績效評估總表。每一指標對圖書館績效評估的合成權重(即根據權系數合成原理),是將每一指標對準則層的權重乘以所屬準則層對目標層的權重;專家打分是請相關專家對當年圖書館每一具體指標以五分制進行的評價打分;每一指標的績效分值就是該指標的專家打分乘以合成權重;最后將所有指標的績效分值加總得到該圖書館當年績效評估的綜合得分。
由表3可知該圖書館當年績效評估的綜合得分是4.096。說明該圖書館各項資源的投入產出效益較好。但該圖書館績效還有一些有待提高的地方,例如該館權重排名第二、三位的指標,以及基礎業務(J)的各項,專家打分均不高,說明該館在這些方面還存在著不足之處。
三、結語
介紹了圖書館的績效評估體系及應用層次分析法進行績效評估的方法并結合某高校圖書館進行了實證分析。本文著重于績效評估的示范研究,以期拋磚引玉,促進績效評估工作的推廣與應用。
參考文獻:
[1]余勝:關于圖書館績效評估的研究與實踐.中國圖書館學報[J],2006(4):101-104
[2]富平:確立績效評估體系進一步完善國家圖書館科學管理.國家圖書館學刊[J],2002(2):6-12
[3]肖蔚:圖書館績效評價研究處探.圖書館工作與研究[J],2005(1):41-43
一、無形資產評估傳統方法評析
在無形資產評估過程中，評估方法的選擇和運用處于核心地位。目前無形資產評估的主要方法有成本法、收益法和市場法，下面對這三種方法進行評析并對應用中的有關問題進行探討。
（一）成本法。成本法的基本思想是利用歷史成本(即最開始購置或創造無形資產時所支付的完全成本)或簡單重置成本(即以重新購進或創造無形資產時所需的支出費用)作為推算無形資產價值的主要依據。無形資產的重置成本法，是指在評估無形資產時，按被估資產的現時完全重置成本(重置價)減去應扣減損耗及貶值，或乘以成新率來確定被估無形資產價值的一種方法。公式為：無形資產評估值=無形資產重置成本×成新率。在實際運用中，重置成本是根據歷史成本調整得到的。歷史成本體現了資產的原始形成過程，具有易獲得性和可驗證性，不受人為因素的影響，容易被人們所接受。成本法的適用場合是以攤銷為目的的無形資產的評估，但相對于有形資產來說，無形資產有其特殊性，所以成本法的使用也有局限性。一是無形資產的歷史成本具有不完整性、弱對應性及虛擬性等特點，因此根據歷史成本調整得到的重置成本來評估無形資產現值是不合理的。二是無形資產的成新率很難確定。三是大多數無形資產常常存在著開發成本高而應用前景差或開發成本低而應用前景好的現象。對這樣的無形資產用成本法進行價值評估是不合適的。
（二）收益法。收益法是通過估算被評估資產未來預期資產未來收益并折算成現值，借以確定被評估資產價值的一種資產評估方法。采用適當的折現率折算成現值．然后累加求和，得出被評估無形資產評估值。不論是收益現值法還是成本收益加法，其出發點均是將所預計的無形資產的未來收益、收益期限和收益率作為資產評估的主要依據。優點主要表現在：第一，運用此法時基本上不用考慮無形資產的歷史成本，克服了無形資產歷史成本的不完整性缺陷。第二，從理論上講，收益法以資產的預期獲利能力為基本依據決定資產現行公平市場價值，評估結果能夠比較真實、準確地反映出無形資產的獲利能力，有較強的說服力。第三，它克服了無形資產成本的弱對應性和虛擬性特點給成本法使用帶來的不便，對于成本和收益相關性差的無形資產也能評估。第四，采用這種方法會使評估者站在買者(或受讓方)的角度來確定各項指標，評估結果往往對無形資產的接受方比較有利。但是在使用這種方法時也存在著主觀因素影響較大的問題。因為在收益法運用中評估者需要對收益額、折現率和收益年限等指標做出預測，預測帶有一定的抽象性和隨意性。評估者對這些參數預測的主觀態度都將會直接影響評估結果。
（三）市價法。市價法是指在市場上選擇若干具有可比性的相同或相似的無形資產作為參照物，并根據它們的交易條件，市場交易價格和價值影響因素的差異，以及使用權轉讓次數，綜合分析調整，來確定無形資產評估值的方法。市價法在使用時應注意其前提條件：(1)存在一個充分發育、活躍的市場；(2)參照物及其與被估無形資產相比較的指標、技術參數等資料是可搜集到的。從這個角度看，運用市場法進行資產評估是一種很直接的方法，得出的結果也很有說服力。但是我國市場經濟體制還不夠完善，不存在充分發育而且很活躍的市場。再者，由于無形資產壟斷性強、透明度不高，使取得相關信息資料十分困難，在市場上難以找到相同或近似的評估參照物，有時甚至是不可操作的，現行市價法的局限性就顯得更為突出。這些因素限制了市場法在我國無形資產評估中的運用。
二、無形資產評估的新方法
傳統的方法在對無形資產進行評估時存在的一定的缺陷，在此介紹幾種新的無形資產的評估方法：復合成本法、生存曲線法、成本收益雙折現法、成本收益現值法。
（一）復合成本法在評估無形資產中的應用。所謂復合成本法，就是在評估一項無形資產時，不僅考慮其歷史成本或重置成本，還要考慮其稀缺性及其效用的大小。用公式表示為：
無形資產重置成本=（效用函數/稀缺系數）×100％
通過上面的公式，可知無形資產的價值是勞動量、效用性和稀缺度3個因素共同決定的。
（1）勞動量。無形資產具有存在唯一性，理論上講應當取最先研制成功的具有相同功效的一批無形資產中包含的最小勞動量。未獲得成功的無形資產所耗費的勞動量則不能計入無形資產的價值。在研發成功的無形資產中，也只有包含最小勞動量的無形資產交易才最容易成功，價值得到認可。不過最小勞動量在確定時有一定的難度，在實務中應當盡評估師所能，多收集資料，篩選對比后選出最小勞動量使用。也可以用歷史成本或傳統成本法求得的重置成本替代之，因為勞動量在無形資產價值中的影響并不顯著。
（2）效用及效用系數。無形資產的效用可以劃分為生產資料效用和生活資料效用。生產資料效用的測量標準是提高勞動生產率和推動社會生產力進步。效用對勞動量起著約定作用。效用系數通常用0，0.1，0.2，……1，1.1，1.2……表示。系數越大表明效用越大。無形資產效用系數的確定可參考專家和專有技術人員的建議按其作用的大小確定，專家如果認為使用一項無形資產可提高產量100倍，則可將效用系數定為100。
（3）稀缺度及稀缺系數。稀缺度指的是無形資產的稀缺狀況以及市場上無形資產的供求關系，通常用稀缺系數表示。在理論上稀缺系數存在0的值，但是當其為0時實際意義及不大，所以我們將稀缺系數定在0.01至1的范圍之內。而1則代表著供求平衡時的稀缺系數。系數越小表明越稀缺，反之亦然。
可以看出，復合成本法的優點是可以很好地解釋無形資產價格和成本背離的現象，在評估實務中具有較強的可操作性。而且，與傳統成本法不同的是，它考慮了無形資產的未來收益情況，因此是比較科學合理的。
（二）生存曲線法在無形資產評估中的應用。生存曲線法主要用來預測無形資產的剩余壽命。無形資產經濟壽命又叫有效期限，是指無形資產發揮作用，并具有超額獲利能力的時間。所有系統，都會隨使用年限而退化并最終失效。而失效的時間往往是一個隨機變量。生存模型就是以無形資產的生存和死亡狀態(生命狀態)為研究對象的，視無形資產的生存和死亡為隨機變量，用一個恰當的概率分布函數(生存分布)去描述，對生存分布函數進行統計處理從而預計無形資產的剩余壽命。
采用生存曲線法預計無形資產的受益期限一般需要經過以下六個主要步驟：第一，收集生存數據。我們可以選定一個樣本進行觀測，所有觀測點由存活的初始狀態轉變為死亡狀態后試驗終止。另外，我們還可以觀測市場上同類無形資產的生存、死亡情況來收集生存數據。第二，數據的初步分析，繪制數據圖以獲取模型選擇的一些信息。第三，模型選擇，即選擇一個恰當的模型去擬合生存數據。第四，參數估計。第五，模型檢驗。第六，求出無形資產的期望剩余壽命。
（三）成本收益雙折現法。成本收益雙折現法，即歷史成本雙折現及超額收益現值法，是指在無形資產評估時，按被評估無形資產的歷史成本折現值，加上其使用過程中的價值積累和超額預期收益現值，減去應扣損耗或貶值，來確定被評估無形資產價格的一種方法。該評估方法適用于一切易于獲取歷史數據的無形資產的評估，重置成本可以獲得的無形資產的評估。對于不可辨認的無形資產“商譽”的評估，該評估方法也是適合的。當涉及到無形資產的使用權的轉讓和許可權時，該評估方法是不適宜的，因為其評估的結果不易為交易雙方所接受。
成本收益雙折現法的計算公式為：
無形資產評估值=歷史成本折現值＋使用過程中的價值積累＋超額預期收益現值－實體性貶值－功能性貶值－經濟性貶值。
（1）歷史成本折現值，即無形資產的歷史折現至評估日的值。當評估該項無形資產的歷史成本數據資料易于獲取時，可根據該項無形資產的歷史成本，按照一定的復利率折現為評估日的數據；如果評估日該項無形資產的歷史成本數據資料不易或不能獲得時，可用其完全重置成本代替之。（2）使用過程中價值積累，即無形資產在使用過程中的投入積累。（3）實體性貶值，也稱有形磨損貶值，它是指資產在使用或閑置中因磨損、變形、老化等造成實體性陳舊而引起的貶值。（4）功能性貶值，也稱無形磨損貶值，它是由于技術進步出現性能優越的新的無形資產，使原有的無形資產部分或全部失去使用價值而造成的貶值。（5）經濟性貶值，指由于外界因素引起的，與同性質資產相比活力能力下降而造成的損失。市場需求的減少、原材料供應的變化、成本的上升、通貨膨脹、利率的上升等因素都可能使原有無形資產不能發揮應有的效能而貶值。（6）預期超額收益現值。如果至評估日，無形資產才開始出現，則公式中除第一項和最后一項外其余各項均為零．這時該評估方法與現行的三種評估方法中的收益現值法等價。
（四）成本收益現值法。成本收益現值法，就是考查評估基準日以前評估對象所費成本，并通過一定的物價指數將此成本調整為評估基準日時的價值(現值)作為評估對象評估價值的一部分；評估價值的另一部分是在預測未來一定時期內企業各年銷售收入的基礎上確定合適的提成率，其提成額除稅后作為評估對象帶來各年收益，再通過折現求和計算所得的結果，以上兩部分之和即為該評估對象的評估值。由上述可見，該方法同時考慮重置成本標準和收益現值兩種標準，它比單一的重置成本或收益現值標準全面，該方法適用于商標所有權價值的評估。其計算公式為：
其中：V評估值；C評估對象成本現值；α企業各年的銷售額；β所得稅率；r折現率；m評估對象經濟壽命期分界段。
論文關鍵詞：LED顯示屏的常見故障及排除方法
經過四十多年的發展，LED顯示技術越來越成熟，LED顯示屏的普及程度也越來越高。和其他大屏幕終端顯示設備相比，LED顯示屏具有自己的優點，如亮度高、壽命長、視角大、屏幕面積可大可小及可與計算機連接，支持軟件豐富等。LED顯示屏不僅可以用于有關信息，還可以起到烘托氣氛的作用，如通過顯示屏幕播放上級領導及各種貴賓蒞臨參觀、指導的歡迎詞，及各種重大節日的慶祝標語等。因此，不少重要場所、大型演出活動采用LED顯示屏作為顯示設備，包括許多學校也安裝了LED顯示屏。和其他電子產品一樣，LED顯示屏使用一段時間后，不可避免地會出現這樣那樣的故障。由于目前的顯示屏系統在屏體結構上都采用了單元化、模塊化設計，方便了系統的維護。因此，也有些常見故障，只要用戶具備一定的計算機知識和電器維修經驗，掌握了顯示屏系統結構及信號的流向，有些以前需要專業人員解決的問題自己也可以動手解決。
LED顯示屏的工作原理及基本結構
進行故障排除，必須了解LED顯示屏的工作原理及基本結構，明確信號的流向。LED是發光二極管的簡稱科技小論文，LED顯示屏即是用大量LED發光管按一定順序排列形成的顯示設備。顯示屏一般由單元板（模組）拼成，每個單元板上按一定規律集成了一定數量的LED燈及控制和供電電路。作為一個完整的系統，LED顯示屏由控制計算機、屏體、供電裝置、信號傳輸線等組成。在所有的組成部分中，屏體出故障的可能性最大，屏體故障的排除也是LED顯示屏日常維護、維修的重點。
顯示屏常見故障及排除辦法
LED顯示屏按使用的環境分室
摘要的工作電壓，輸出電壓為直流5伏。
常見故障一：某一條塊無信號
通過上面對LED顯示屏屏體結構的闡述，某一條（塊）單元板無信號的原因有兩種可能，一是電源供電不正常，二是顯示信號沒能傳送過來。對于第一種情況，可以檢查該單元板上的供電插頭是否接觸不良，或用萬用表測量輸出電壓是否正常。對于第二種情況，應檢查傳送信號的排線是否松動，斷裂，可用替換法進行排除。通常情況下，供電造成某一條塊無信號的可能性最大，其次是排線有問題，而單元板芯片出問題的可能性較小。
常見故障二：大面積無信號
LED顯示屏長時間工作后，常出現大面積無信號顯示的情況，如只有底部一小部分有顯示，其余則無。出現這樣的狀況往往是各級聯的接收卡之間信號傳送不暢造成的。在上面的屏體結構分析中提到，各接收卡之間是用網線傳遞信號的，每塊接收卡上有兩個RJ-45接口，其中一個接收前面的接收卡送來的信號，另一個接口給下一個接收卡傳送信號。大面積無信號的故障往往是RJ-45接頭和接口之間接觸不良造成的論文開題報告范例。尤其是室外屏，受環境影響大，更易出現接觸不良的現象，而接收卡本身出故障的情況要少得多。在進行故障排除時可以將網線插頭反復插拔幾次，最好重做一根網線替代，而水晶頭的質量要好，抗氧化、耐腐蝕性要強。
常見故障三：常亮點的出現
常亮點也稱為失控點。該亮點對應的發光二極管處于長亮狀態，不隨輸入信號的變化而變化。該故障的出現主要是由于相應發光二極管的管腳短路造成的，如導電碎屑（新屏出現的概率大些）和水珠（雨雪天氣）引起的。當故障出現時，可以在屏體上該亮點對應的單元板上仔細查找短路位置，清除即可。
常見故障四：單元板上蜂窩狀黑點的出現
單元板上出現蜂窩狀黑點也是常見故障之一。黑點和常亮點一樣，都稱為失控點，但故障原因不同。黑點的出現一般是由于發光二極管的管腳接觸不良引起的，即出現了虛焊。要重新焊接虛焊點，一定要將單元板從屏上取下，等焊好后再安裝到原位置。不能在屏體上直接進行焊接，因為直接在屏體上焊接的話可能因光線不好或空間狹小引起誤操作，還可能出現焊錫落到其他單元板上科技小論文，引起新的故障。
常見故障五：拖尾現象
和電腦顯示器要設置刷新頻率一樣，LED顯示屏的刷新頻率設置不當也會帶來問題。刷新頻率是LED顯示屏的顯示數據每秒鐘被重復顯示的次數。刷新頻率越高，圖像越清晰，但也不能太高，太高會出現黑屏現象且影響使用壽命；太低則會出現拖尾現象，尤其是信號末端不夠清晰。筆者最近就遇到了類似問題：兩塊顯示屏以串聯方式顯示同樣內容，最近發現在屏幕的一端出現拖尾現象，且兩塊屏的故障部位幾乎相同。在排除了屏體的原因后，經檢查發送卡的參數設置，發現刷新頻率設置較低，為200Hz，室外屏的設置應為300 Hz——600 Hz。重新設置后，顯示正常。
以上是LED顯示屏在使用過程常遇到的幾種常見故障。其實，為了減少出故障的幾率，關鍵是要養成良好的使用習慣，進行規范操作。如使用時要先開控制主機，待進入播放軟件后，方可開屏通電，關閉時的順序則相反。在環境溫度過高或散熱條件不好時，應注意不要長時間開屏。遇雨雪天氣或空氣濕度大時，不能立即使用，對系統設置的重要參數要有備份，及做到專機專用等等。
一、論文名稱、課題來源、選題依據
課題來源：單位自擬課題或省政府下達的研究課題
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,可以使企業對未來的技術發展水平及其變化趨勢有正確的把握,從而為企業的技術創新決策提供科學的依據,以減少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發展方向的前提下,企業的技術創新工作才能沿著正確方向開展,企業產品的市場競爭力才能得到不斷加強。在市場競爭日趨激烈的現代商業中,企業的技術創新決定著企業生存和發展、前途與命運,為了確保技術創新工作的正確性,企業對技術創新的預測和評估提出了更高的要求。
二、本課題國內外研究現狀及發展趨勢
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。指利用過去和現在的技術、經濟信息,分析技術發展趨勢和規律,在分析判斷這些趨勢和規律將繼續的前提下,將過去和現在的趨勢向未來推演。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,美國生物學家和人口統計學家raymondpearl提出的pearl曲線(數學模型為:y=l∕[1+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(-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悉該項技術的人數成正比,主要適用于新技術、新產品的擴散預測。
(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,預測技術的發展變化。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相關分析等方法。
(3)專家預測法。以專家意見作為信息來源,通過系統的調查、征詢專家的意見,分析和整理出預測結果。專家預測法主要有:專家個人判斷法、專家會議法、頭腦風暴法及德爾菲法等,其中,德爾菲法吸收了前幾種專家預測法的長處,避免了其缺點,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發展趨勢,并不涉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,對于產品技術發展的預測不能簡單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中其他因素對企業產品技術創新的深刻影響。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具體的回歸預測式,而所得到的回歸預測模型往往只能考慮少數幾種主要影響因素,略去了許多未考慮的因素,所以,所建模型對實際問題的表達能力也不夠準確,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,依靠的是預測者的知識和經驗,往往帶有主觀性,難以滿足企業對技術創新預測準確度的要求。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貢獻,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,技術創新預測的方法和技術應有新的豐富和發展,以克服自身的不足,更進一步適應時展的需要,為企業的技術創新工作的開展和企業的生存與發展提供先進的基礎理論和技術方法。
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復雜的系統,其中存在著廣泛的非線性、時變性和不確定性,同時,還涉及技術、經濟、管理、社會等諸多復雜因素,目前所使用的原理和方法,難以滿足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究,在我國的歷史還不長,無論是指標體系還是評估方法,均處于研究
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)建立一種適應于多因素、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、自適應、自學習和容錯性等優良性能,可以較好地適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不足。本項目以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基礎,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,考慮了概括性和動態性,力求全面、客觀地反映影響產品技術創新發展的主要因素和導致產品個體差異的主要因素,盡管是黑匣子式的預測和評估,但事實證明它自身的強大學習能力可將需考慮的多種因素的數據進行融合,輸出一個經非線性變換后較為精確的預測值和評估值。
據文獻查閱,雖然在技術創新預測和評估的現有原理和方法的改進和完善方面有一定的研究,如文獻[08]、[09]、[11]等,但尚未發現將神經網絡應用于技術創新預測與評估方面的研究,在當前產品的市場壽命周期不斷縮短、要求企業不斷推出新產品的經濟條件下,以神經網絡為基礎來建立產品技術創新預測與評估模型,是對技術創新定量預測和評估方法的有益補充和完善。
三、論文預期成果的理論意義和應用價值
本項目研究的理論意義表現在:(1)探索新的技術創新預測和評估技術,豐富和完善技術創新預測和評估方法體系;(2)將神經網絡技術引入技術創新的預測和評估,有利于推動技術創新預測和評估方法的發展。
本項目研究的應用價值體現在:(1)提供一種基于多因素的技術創新定量預測技術,有利于提高預測的正確性;（2）提供一種基于bp神經網絡的綜合評估方法,有利于提高評估的科學性;(3)為企業的技術創新預測和評估工作提供新的方法論和實用技術。
四、課題研究的主要內容
以bp神經網絡模型為基礎研究基于多因素的技術創新預測和評估模型,并建立科學的預測和評估指標體系及設計相應的模型計算方法,結合企業的具體實際,對指標和模型體系進行實證分析,使研究具有一定的理論水平和實用價值。
1、影響企業技術創新預測和評佑的相關指標體系確定及其量化和規范化。從企業的宏觀環境和微觀環境兩個方面入手,密切結合電子商務和知識經濟對企業技術創新的影響,系統綜合地分析影響產品技術創新的各相關因素,建立科學的企業技術創新預測和評估指標體系,并研究其量化和規范化的原則及方法。
2、影響技術創新預測和評估各相關指標的相對權重確定。影響技術創新發展和變化各相關因素在輸入預測和評估模型時,需要一組決定其相對重要性的初始權重,權重的確定需要基本的原則作支持。
3、基于bp神經網絡的技術創新預測和評估模型研究。根據技術創新預測的特點,以bp神經網絡為基礎,構建基于多因素的技術創新預測和評估模型。
4、基于bp神經網絡的技術創新預測和評估模型計算方法設計。根據基于bp神經網絡的技術創新預測和評估模型的基本特點,設計其相應的計算方法。
5、基于bp神經網絡的技術創新預測和評估模型學習樣本設計。根據相關的歷史資料,構建基于bp神經網絡的技術創新預測和評估模型的學習樣本,對預測和評估模型進行自學習和訓練,使模型適合實際情況。
6、基于bp神經網絡的技術創新預測和評估技術的實證研究。以一般企業的技術創新預測與評估工作為背景,對基于bp神經網絡的技術創新預測和評估技術進行實證研究。
1、建立一套基于電子商務和知識經濟的技術創新預測和評估指標體系。目前,在技術創新的預測和評估指標體系方面,一種是采用傳統的指標體系,另一種是采用國外先進國家的指標體系,如何結合我國實際當前經濟形勢,參考國外先進發達國家的研究工作,建立一套適合于我國企業技術創新預測和評估指標體系,此為本研究要做的首要工作,這是一項創新。
2、研究基于bp神經網絡的技術創新預測和評估模型及其計算方法。神經網絡技術具有并行分布處理、自學習、自組織、自適應和容錯性等優良性能,能較好地處理基于多因素、非線性和不確定性預測和評估的現實問題,本項目首次將神經網絡技術引入企業的技術創新預測和評估,這也是一項創新。
五、課題研究的基本方法、技術路線的
可行性論證
1、重視系統分析。以系統科學的思想為指導來分析影響企業技術創新發展和變化的宏觀因素和微觀因素,并研究影響因素間的內在聯系,確定其相互之間的重要度,探討其量化和規范化的方法,將國外先進國家的研究成果與我國具體實際相結合,建立我國企業技術創新預測和評估的指標體系。
2、重視案例研究。從國內外技術創新預測與決策成功和失敗的案例中,發現問題、分析問題,歸納和總結出具有共性的東西,探索技術創新預測與宏觀因素與微觀因素之間的內在關系。
3、采用先簡單后復雜的研究方法。對基于bp神經網絡的技術創新預測和評估模型的研究,先從某一行業出發,定義模型的基本輸入因素,然后,逐步擴展,逐步增加模型的復雜度。
4、理論和實踐相結合。將研究工作與具體企業的技術創新實際相結合,進行實證研究,在實踐中豐富和完善,研究出具有科學性和實用性的成果。
六、開展研究已具備的條件、可能遇到的困難與問題及解決措施
本人長期從事市場營銷和技術創新方面的研究工作,編寫出版了《現代市場營銷學》和《現代企業管理學》等有關著作,發表了“企業技術創新與營銷管理創新”、“企業技術創新與營銷組織創新”及“企業技術創新與營銷觀念創新”等與技術創新相關的學術研究論文,對企業技術創新的預測和評估有一定的理論基礎,也從事過企業產品技術創新方面的策劃和研究工作,具有一定的實踐經驗,與許多企業有密切的合作關系,同時,對神經網絡技術也進行過專門的學習和研究,所以,本項目研究的理論基礎、技術基礎及實驗場所已基本具備,能順利完成本課題的研究,取得預期的研究成果。
七、論文研究的進展計劃
2003.07-2003.09：完成論文開題。
2003.09-2003.11：影響企業技術創新發展的指標體系研究及其量化和規范化。
2003.11-2004.01：基于bp神經網絡的技術創新預測和評估模型的構建。
2004.01-2004.03：基于bp神經網絡的技術創新預測和評估模型計算方法研究。
2004.03-2004.04：基于bp神經網絡的技術創新預測和評估模型體系的實證研究。
2004.04-2004.06：完成論文寫作、修改定稿，準備答辯。
[01]傅家驥、仝允桓等.技術創新學.北京:清華大學出版社1998
[02]吳貴生.技術創新管理.北京:清華大學出版社2000
[03]柳卸林.企業技術創新管理.北京:科學技術出版社1997
[04]趙志、陳邦設等.產品創新過程管理模式的基本問題研究.管理科學學報.2000/2.
[05]王亞民、朱榮林.風險投資項目ecv評估指標與決策模型研究.風險投資.2002/6
[06]趙中奇、王浣塵、潘德惠.隨機控制的極大值原理及其在投資決策中的應用.控制與決策.2002/6
[07]夏清泉、凌婕.風險投資理論和政策研究.國際商務研究.2002/5
[08]陳勁、龔焱等.技術創新信息源新探.中國軟科學.2001/1.pp86-88
[09]嚴太華、張龍.風險投資評估決策方法初探.經濟問題.2002/1
[10]蘇永江、李湛.風險投資決策問題的系統分析.學術研究.2001/4
<11>孫冰.企業產品開發的評價模型及方法研究.中國管理科學.2002/4
[12]諸克軍、楊久西、匡益軍.基于人工神經網絡的石油勘探有利性綜合評價.系統工程理論與實踐.2002/4
[13]楊力.基干bp神經網絡的城市房屋租賃估價系統設計.中國管理科學.2002/4
[14]楊國棟、賈成前.高速公路復墾土地適宜性評價的bp神經網絡模型.統工程理論與實踐.2002/4
[15]樓文高.基于人工神經網絡的三江平原土壤質量綜合評價與預測模型.中國管理科學.2002/1
[16]胥悅紅、顧培亮.基于bp神經網絡的產品成本預測.管理工程學報.2000/4
[17]陳新輝、喬忠.基于tsa-bp神經網絡的企業產品市場占有率預測模型.中國農業大學學報.2000/5
[18]劉育新.技術預測的過程與常用方法.中國軟科學.1998/3
[19]溫小霓、趙瑋.市場需求與統計預測.西安電子科技大學學報.2000/5
[20]朱振中.模糊理論在新產品開發中的應用.科學管理研究.2000/6
[21]kimb.clark&takahirofuj
imoto.productdevelopmentperformance–strategy、organizationandmanagementinindustry.harvardbusinessschoolpress.boson1993
[22]gobelidh,browndj.improvingtheprocessofproductinnovation.research,technologymanagement,1993.36（2）:46-49
[23]simonj.towner.fourwaystoacceleratenewproductdevelopment.longrangplanning1994.27（2）:57-65
[24]abdulali,etal.productinnovationandentrystrategy.journalofproductinnovationmanagement1995.12（12）:54-69
[25]ericvinhippel.thesourcesofinnovation.oxforduniversitypress.1988
[26]shtuba,zimermany.aneural-network-basedapproachforestimatingthecostofassembly.internationaljournalofproductioneconomics,1993.32:189-207
[27]wee-liangtan,dattarreyag.allampalli,investmentcriteriaofsingaporecapitalists,1997internationalcouncilforsmallbusiness,sanfrancisco,california,june1997
[28]michaelhenos,theroadtoventurefinancing:guidelinesforentrepreneuts,r&dstraregistmagazine,summer1991
[29]chowgc,thelargrangemethodofoptimizationwithapplicationstoportfoliandinvestmentdecisions.jofeconomicdymamicsandcontrol1996
[30]jensen,r..informationcostandinnovationadoptionpolicies,managementscience.vol.34,no.2,feb,1988
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究
課題來源：單位自擬課題或省政府下達的研究課題
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, 可以使企業對未來的技術發展水平及其變化趨勢有正確的把握, 從而為企業的技術創新決策提供科學的依據, 以減少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發展方向的前提下, 企業的技術創新工作才能沿著正確方向開展,企業產品的市場競爭力才能得到不斷加強。在市場競爭日趨激烈的現代商業中, 企業的技術創新決定著企業生存和發展、前途與命運, 為了確保技術創新工作的正確性,企業對技術創新的預測和評估提出了更高的要求。
二、本課題國內外研究現狀及發展趨勢
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。指利用過去和現在的技術、經濟信息, 分析技術發展趨勢和規律, 在分析判斷這些趨勢和規律將繼續的前提下, 將過去和現在的趨勢向未來推演。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,美國生物學家和人口統計學家Raymond Pearl提出的Pearl曲線(數學模型為: Y=L∕[1+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(-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悉該項技術的人數成正比, 主要適用于新技術、新產品的擴散預測。
(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, 預測技術的發展變化。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相關分析等方法。
(3)專家預測法。以專家意見作為信息來源, 通過系統的調查、征詢專家的意見, 分析和整理出預測結果。專家預測法主要有: 專家個人判斷法、專家會議法、頭腦風暴法及德爾菲法等, 其中, 德爾菲法吸收了前幾種專家預測法的長處, 避免了其缺點, 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發展趨勢, 并不涉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, 對于產品技術發展的預測不能簡單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中其他因素對企業產品技術創新的深刻影響。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具體的回歸預測式, 而所得到的回歸預測模型往往只能考慮少數幾種主要影響因素, 略去了許多未考慮的因素, 所以, 所建模型對實際問題的表達能力也不夠準確, 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,依靠的是預測者的知識和經驗, 往往帶有主觀性, 難以滿足企業對技術創新預測準確度的要求。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貢獻, 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, 技術創新預測的方法和技術應有新的豐富和發展, 以克服自身的不足, 更進一步適應時展的需要, 為企業的技術創新工作的開展和企業的生存與發展提供先進的基礎理論和技術方法。
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復雜的系統, 其中存在著廣泛的非線性、時變性和不確定性, 同時, 還涉及技術、經濟、管理、社會等諸多復雜因素,目前所使用的原理和方法, 難以滿足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究, 在我國的歷史還不長, 無論是指標體系還是評估方法, 均處于研究
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) 建立一種適應于多因素、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、自適應、自學習和容錯性等優良性能, 可以較好地適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不足。本項目以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基礎, 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, 考慮了概括性和動態性, 力求全面、客觀地反映影響產品技術創新發展的主要因素和導致產品個體差異的主要因素, 盡管是黑匣子式的預測和評估, 但事實證明它自身的強大學習能力可將需考慮的多種因素的數據進行融合, 輸出一個經非線性變換后較為精確的預測值和評估值。
據文獻查閱, 雖然在技術創新預測和評估的現有原理和方法的改進和完善方面有一定的研究,如文獻[08]、[09]、[11]等, 但尚未發現將神經網絡應用于技術創新預測與評估方面的研究, 在當前產品的市場壽命周期不斷縮短、要求企業不斷推出新產品的經濟條件下, 以神經網絡為基礎來建立產品技術創新預測與評估模型, 是對技術創新定量預測和評估方法的有益補充和完善。
三、論文預期成果的理論意義和應用價值
本項目研究的理論意義表現在: (1) 探索新的技術創新預測和評估技術, 豐富和完善技術創新預測和評估方法體系; (2) 將神經網絡技術引入技術創新的預測和評估, 有利于推動技術創新預測和評估方法的發展。
本項目研究的應用價值體現在: (1) 提供一種基于多因素的技術創新定量預測技術, 有利于提高預測的正確性; (2)提供一種基于BP神經網絡的綜合評估方法, 有利于提高評估的科學性; (3) 為企業的技術創新預測和評估工作提供新的方法論和實用技術。
四、課題研究的主要內容
以BP神經網絡模型為基礎研究基于多因素的技術創新預測和評估模型, 并建立科學的預測和評估指標體系及設計相應的模型計算方法, 結合企業的具體實際, 對指標和模型體系進行實證分析, 使研究具有一定的理論水平和實用價值。
1、影響企業技術創新預測和評佑的相關指標體系確定及其量化和規范化。從企業的宏觀環境和微觀環境兩個方面入手, 密切結合電子商務和知識經濟對企業技術創新的影響, 系統綜合地分析影響產品技術創新的各相關因素, 建立科學的企業技術創新預測和評估指標體系, 并研究其量化和規范化的原則及方法。
2、影響技術創新預測和評估各相關指標的相對權重確定。影響技術創新發展和變化各相關因素在輸入預測和評估模型時, 需要一組決定其相對重要性的初始權重, 權重的確定需要基本的原則作支持。
3、基于BP神經網絡的技術創新預測和評估模型研究。 根據技術創新預測的特點, 以BP神經網絡為基礎, 構建基于多因素的技術創新預測和評估模型。
4、基于BP神經網絡的技術創新預測和評估模型計算方法設計。根據基于BP神經網絡的技術創新預測和評估模型的基本特點, 設計其相應的計算方法。
5、基于BP神經網絡的技術創新預測和評估模型學習樣本設計。根據相關的歷史資料, 構建基于BP神經網絡的技術創新預測和評估模型的學習樣本, 對預測和評估模型進行自學習和訓練, 使模型適合實際情況。
6、基于BP神經網絡的技術創新預測和評估技術的實證研究。以一般企業的技術創新預測與評估工作為背景, 對基于BP神經網絡的技術創新預測和評估技術進行實證研究。
1、建立一套基于電子商務和知識經濟的技術創新預測和評估指標體系。目前,在技術創新的預測和評估指標體系方面, 一種是采用傳統的指標體系, 另一種是采用國外先進國家的指標體系, 如何結合我國實際當前經濟形勢, 參考國外先進發達國家的研究工作, 建立一套適合于我國企業技術創新預測和評估指標體系, 此為本研究要做的首要工作, 這是一項創新。
2、研究基于BP神經網絡的技術創新預測和評估模型及其計算方法。神經網絡技術具有并行分布處理、自學習、自組織、自適應和容錯性等優良性能, 能較好地處理基于多因素、非線性和不確定性預測和評估的現實問題, 本項目首次將神經網絡技術引入企業的技術創新預測和評估, 這也是一項創新。
五、課題研究的基本方法、技術路線的可行性論證
1、重視系統分析。以系統科學的思想為指導來分析影響企業技術創新發展和變化的宏觀因素和微觀因素, 并研究影響因素間的內在聯系, 確定其相互之間的重要度, 探討其量化和規范化的方法, 將國外先進國家的研究成果與我國具體實際相結合, 建立我國企業技術創新預測和評估的指標體系。
2、重視案例研究。從國內外技術創新預測與決策成功和失敗的案例中, 發現問題、分析問題, 歸納和總結出具有共性的東西, 探索技術創新預測與宏觀因素與微觀因素之間的內在關系。
3、采用先簡單后復雜的研究方法。對基于BP神經網絡的技術創新預測和評估模型的研究, 先從某一行業出發, 定義模型的基本輸入因素, 然后, 逐步擴展, 逐步增加模型的復雜度。
4、理論和實踐相結合。將研究工作與具體企業的技術創新實際相結合, 進行實證研究, 在實踐中豐富和完善, 研究出具有科學性和實用性的成果。
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究
課題來源：單位自擬課題或省政府下達的研究課題
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,可以使企業對未來的技術發展水平及其變化趨勢有正確的把握,從而為企業的技術創新決策提供科學的依據,以減少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發展方向的前提下,企業的技術創新工作才能沿著正確方向開展,企業產品的市場競爭力才能得到不斷加強。在市場競爭日趨激烈的現代商業中,企業的技術創新決定著企業生存和發展、前途與命運,為了確保技術創新工作的正確性,企業對技術創新的預測和評估提出了更高的要求。
二、本課題國內外研究現狀及發展趨勢
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。指利用過去和現在的技術、經濟信息,分析技術發展趨勢和規律,在分析判斷這些趨勢和規律將繼續的前提下,將過去和現在的趨勢向未來推演。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,美國生物學家和人口統計學家RaymondPearl提出的Pearl曲線(數學模型為:Y=L∕[1+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(-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悉該項技術的人數成正比,主要適用于新技術、新產品的擴散預測。
(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,預測技術的發展變化。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相關分析等方法。
(3)專家預測法。以專家意見作為信息來源,通過系統的調查、征詢專家的意見,分析和整理出預測結果。專家預測法主要有:專家個人判斷法、專家會議法、頭腦風暴法及德爾菲法等,其中,德爾菲法吸收了前幾種專家預測法的長處,避免了其缺點,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發展趨勢,并不涉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,對于產品技術發展的預測不能簡單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中其他因素對企業產品技術創新的深刻影響。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具體的回歸預測式,而所得到的回歸預測模型往往只能考慮少數幾種主要影響因素,略去了許多未考慮的因素,所以,所建模型對實際問題的表達能力也不夠準確,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,依靠的是預測者的知識和經驗,往往帶有主觀性,難以滿足企業對技術創新預測準確度的要求。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貢獻,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,技術創新預測的方法和技術應有新的豐富和發展,以克服自身的不足,更進一步適應時展的需要,為企業的技術創新工作的開展和企業的生存與發展提供先進的基礎理論和技術方法。
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復雜的系統,其中存在著廣泛的非線性、時變性和不確定性,同時,還涉及技術、經濟、管理、社會等諸多復雜因素,目前所使用的原理和方法,難以滿足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究,在我國的歷史還不長,無論是指標體系還是評估方法,均處于研究之中,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)建立一種適應于多因素、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、自適應、自學習和容錯性等優良性能,可以較好地適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不足。本項目以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基礎,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,考慮了概括性和動態性,力求全面、客觀地反映影響產品技術創新發展的主要因素和導致產品個體差異的主要因素,盡管是黑匣子式的預測和評估,但事實證明它自身的強大學習能力可將需考慮的多種因素的數據進行融合,輸出一個經非線性變換后較為精確的預測值和評估值。
據文獻查閱,雖然在技術創新預測和評估的現有原理和方法的改進和完善方面有一定的研究,如文獻[08]、[09]、[11]等,但尚未發現將神經網絡應用于技術創新預測與評估方面的研究,在當前產品的市場壽命周期不斷縮短、要求企業不斷推出新產品的經濟條件下,以神經網絡為基礎來建立產品技術創新預測與評估模型,是對技術創新定量預測和評估方法的有益補充和完善。
三、論文預期成果的理論意義和應用價值
本項目研究的理論意義表現在:(1)探索新的技術創新預測和評估技術,豐富和完善技術創新預測和評估方法體系;(2)將神經網絡技術引入技術創新的預測和評估,有利于推動技術創新預測和評估方法的發展。
本項目研究的應用價值體現在:(1)提供一種基于多因素的技術創新定量預測技術,有利于提高預測的正確性;(2)提供一種基于BP神經網絡的綜合評估方法,有利于提高評估的科學性;(3)為企業的技術創新預測和評估工作提供新的方法論和實用技術。
四、課題研究的主要內容
研究目標：
以BP神經網絡模型為基礎研究基于多因素的技術創新預測和評估模型,并建立科學的預測和評估指標體系及設計相應的模型計算方法,結合企業的具體實際,對指標和模型體系進行實證分析,使研究具有一定的理論水平和實用價值。
研究內容：
1、影響企業技術創新預測和評佑的相關指標體系確定及其量化和規范化。從企業的宏觀環境和微觀環境兩個方面入手,密切結合電子商務和知識經濟對企業技術創新的影響,系統綜合地分析影響產品技術創新的各相關因素,建立科學的企業技術創新預測和評估指標體系,并研究其量化和規范化的原則及方法。
2、影響技術創新預測和評估各相關指標的相對權重確定。影響技術創新發展和變化各相關因素在輸入預測和評估模型時,需要一組決定其相對重要性的初始權重,權重的確定需要基本的原則作支持。
3、基于BP神經網絡的技術創新預測和評估模型研究。根據技術創新預測的特點,以BP神經網絡為基礎,構建基于多因素的技術創新預測和評估模型。
4、基于BP神經網絡的技術創新預測和評估模型計算方法設計。根據基于BP神經網絡的技術創新預測和評估模型的基本特點,設計其相應的計算方法。
5、基于BP神經網絡的技術創新預測和評估模型學習樣本設計。根據相關的歷史資料,構建基于BP神經網絡的技術創新預測和評估模型的學習樣本,對預測和評估模型進行自學習和訓練,使模型適合實際情況。
6、基于BP神經網絡的技術創新預測和評估技術的實證研究。以一般企業的技術創新預測與評估工作為背景,對基于BP神經網絡的技術創新預測和評估技術進行實證研究。
創新點：
1、建立一套基于電子商務和知識經濟的技術創新預測和評估指標體系。目前,在技術創新的預測和評估指標體系方面,一種是采用傳統的指標體系,另一種是采用國外先進國家的指標體系,如何結合我國實際當前經濟形勢,參考國外先進發達國家的研究工作,建立一套適合于我國企業技術創新預測和評估指標體系,此為本研究要做的首要工作,這是一項創新。
2、研究基于BP神經網絡的技術創新預測和評估模型及其計算方法。神經網絡技術具有并行分布處理、自學習、自組織、自適應和容錯性等優良性能,能較好地處理基于多因素、非線性和不確定性預測和評估的現實問題,本項目首次將神經網絡技術引入企業的技術創新預測和評估,這也是一項創新。
五、課題研究的基本方法、技術路線的可行性論證
1、重視系統分析。以系統科學的思想為指導來分析影響企業技術創新發展和變化的宏觀因素和微觀因素,并研究影響因素間的內在聯系,確定其相互之間的重要度,探討其量化和規范化的方法,將國外先進國家的研究成果與我國具體實際相結合,建立我國企業技術創新預測和評估的指標體系。
2、重視案例研究。從國內外技術創新預測與決策成功和失敗的案例中,發現問題、分析問題,歸納和總結出具有共性的東西,探索技術創新預測與宏觀因素與微觀因素之間的內在關系。
3、采用先簡單后復雜的研究方法。對基于BP神經網絡的技術創新預測和評估模型的研究,先從某一行業出發,定義模型的基本輸入因素,然后,逐步擴展,逐步增加模型的復雜度。
4、理論和實踐相結合。將研究工作與具體企業的技術創新實際相結合,進行實證研究,在實踐中豐富和完善,研究出具有科學性和實用性的成果。
六、開展研究已具備的條件、可能遇到的困難與問題及解決措施
本人長期從事市場營銷和技術創新方面的研究工作,編寫出版了《現代市場營銷學》和《現代企業管理學》等有關著作,發表了“企業技術創新與營銷管理創新”、“企業技術創新與營銷組織創新”及“企業技術創新與營銷觀念創新”等與技術創新相關的學術研究論文,對企業技術創新的預測和評估有一定的理論基礎,也從事過企業產品技術創新方面的策劃和研究工作,具有一定的實踐經驗,與許多企業有密切的合作關系,同時,對神經網絡技術也進行過專門的學習和研究,所以,本項目研究的理論基礎、技術基礎及實驗場所已基本具備,能順利完成本課題的研究,取得預期的研究成果。
七、論文研究的進展計劃
2003.07-2003.09：完成論文開題。
2003.09-2003.11：影響企業技術創新發展的指標體系研究及其量化和規范化。
2003.11-2004.01：基于BP神經網絡的技術創新預測和評估模型的構建。
2004.01-2004.03：基于BP神經網絡的技術創新預測和評估模型計算方法研究。
2004.03-2004.04：基于BP神經網絡的技術創新預測和評估模型體系的實證研究。
2004.04-2004.06：完成論文寫作、修改定稿，準備答辯。
主要參考文獻：
[01]傅家驥、仝允桓等.技術創新學.北京:清華大學出版社1998
[02]吳貴生.技術創新管理.北京:清華大學出版社2000
[03]柳卸林.企業技術創新管理.北京:科學技術出版社1997
[04]趙志、陳邦設等.產品創新過程管理模式的基本問題研究.管理科學學報.2000/2.
[05]王亞民、朱榮林.風險投資項目ECV評估指標與決策模型研究.風險投資.2002/6
[06]趙中奇、王浣塵、潘德惠.隨機控制的極大值原理及其在投資決策中的應用.控制與決策.2002/6
[07]夏清泉、凌婕.風險投資理論和政策研究.國際商務研究.2002/5
[08]陳勁、龔焱等.技術創新信息源新探.中國軟科學.2001/1.pp86-88
[09]嚴太華、張龍.風險投資評估決策方法初探.經濟問題.2002/1
[10]蘇永江、李湛.風險投資決策問題的系統分析.學術研究.2001/4
<11>孫冰.企業產品開發的評價模型及方法研究.中國管理科學.2002/4
[12]諸克軍、楊久西、匡益軍.基于人工神經網絡的石油勘探有利性綜合評價.系統工程理論與實踐.2002/4
[13]楊力.基干BP神經網絡的城市房屋租賃估價系統設計.中國管理科學.2002/4
[14]楊國棟、賈成前.高速公路復墾土地適宜性評價的BP神經網絡模型.統工程理論與實踐.2002/4
[15]樓文高.基于人工神經網絡的三江平原土壤質量綜合評價與預測模型.中國管理科學.2002/1
[16]胥悅紅、顧培亮.基于BP神經網絡的產品成本預測.管理工程學報.2000/4
[17]陳新輝、喬忠.基于TSA-BP神經網絡的企業產品市場占有率預測模型.中國農業大學學報.2000/5
[18]劉育新.技術預測的過程與常用方法.中國軟科學.1998/3
[19]溫小霓、趙瑋.市場需求與統計預測.西安電子科技大學學報.2000/5
[20]朱振中.模糊理論在新產品開發中的應用.科學管理研究.2000/6
[21]KimB.Clark&TakahiroFujimoto.ProductDevelopmentPerformance–Strategy、OrganizationandManagementinIndustry.HarvardBusinessSchoolPress.Boson1993
[22]GobeliDH,BrownDJ.Improvingtheprocessofproductinnovation.Research,TechnologyManagement,1993.36(2):46-49
[23]SimonJ.Towner.Fourwaystoacceleratenewproductdevelopment.LongRangPlanning1994.27(2):57-65
[24]AbdulAli,etal.Productinnovationandentrystrategy.JournalofProductInnovationManagement1995.12(12):54-69
[25]EricVinHippel.ThesourcesofInnovation.OxfordUniversityPress.1988
[26]ShtubA,ZimermanY.Aneural-network-basedapproachforestimatingthecostofassembly.InternationalJournalofProductionEconomics,1993.32:189-207
[27]Wee-LiangTan,DattarreyaG.Allampalli,InvestmentCriteriaofSingaporeCapitalists,1997InternationalCouncilforSmallBusiness,SanFrancisco,California,June1997
[28]MichaelHenos,TheRoadtoVentureFinancing:GuidelinesforEntrepreneuts,R&DStraregistMagazine,Summer1991
[29]ChowGC,TheLargrangeMethodofoptimizationwithapplicationstoportfoliandinvestmentdecisions.JofEconomicDymamicsandControl1996
[30]Jensen,R..InformationCostandInnovationAdoptionPolicies,ManagementScience.Vol.34,No.2,Feb,1988
[31]R.K.Zutshi,T.W.Liang,D.G.Allampulli,SingaporeVentureCapitalistsInvestmentEvaluationCriteria:AReexamination.SmallBusinessEconomics13:9-26(1999)
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究
課題來源：單位自擬課題或省政府下達的研究課題
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，可以使企業對未來的技術發展水平及其變化趨勢有正確的把握，從而為企業的技術創新決策提供科學的依據，以減少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發展方向的前提下，企業的技術創新工作才能沿著正確方向開展，企業產品的市場競爭力才能得到不斷加強。在市場競爭日趨激烈的現代商業中，企業的技術創新決定著企業生存和發展、前途與命運，為了確保技術創新工作的正確性，企業對技術創新的預測和評估提出了更高的要求。
二、本課題國內外研究現狀及發展趨勢
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。指利用過去和現在的技術、經濟信息，分析技術發展趨勢和規律，在分析判斷這些趨勢和規律將繼續的前提下，將過去和現在的趨勢向未來推演。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，美國生物學家和人口統計學家raymondpearl提出的pearl曲線(數學模型為:y=l∕[1+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(-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悉該項技術的人數成正比，主要適用于新技術、新產品的擴散預測。
(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，預測技術的發展變化。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相關分析等方法。
(3)專家預測法。以專家意見作為信息來源，通過系統的調查、征詢專家的意見，分析和整理出預測結果。專家預測法主要有:專家個人判斷法、專家會議法、頭腦風暴法及德爾菲法等，其中，德爾菲法吸收了前幾種專家預測法的長處，避免了其缺點，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發展趨勢，并不涉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，對于產品技術發展的預測不能簡單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中其他因素對企業產品技術創新的深刻影響。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具體的回歸預測式，而所得到的回歸預測模型往往只能考慮少數幾種主要影響因素，略去了許多未考慮的因素，所以，所建模型對實際問題的表達能力也不夠準確，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，依靠的是預測者的知識和經驗，往往帶有主觀性，難以滿足企業對技術創新預測準確度的要求。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貢獻，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，技術創新預測的方法和技術應有新的豐富和發展，以克服自身的不足，更進一步適應時展的需要，為企業的技術創新工作的開展和企業的生存與發展提供先進的基礎理論和技術方法。
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復雜的系統，其中存在著廣泛的非線性、時變性和不確定性，同時，還涉及技術、經濟、管理、社會等諸多復雜因素，目前所使用的原理和方法，難以滿足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究，在我國的歷史還不長，無論是指標體系還是評估方法，均處于研究之中，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)建立一種適應于多因素、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、自適應、自學習和容錯性等優良性能，可以較好地適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不足。本項目以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基礎，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，考慮了概括性和動態性，力求全面、客觀地反映影響產品技術創新發展的主要因素和導致產品個體差異的主要因素，盡管是黑匣子式的預測和評估，但事實證明它自身的強大學習能力可將需考慮的多種因素的數據進行融合，輸出一個經非線性變換后較為精確的預測值和評估值。
據文獻查閱，雖然在技術創新預測和評估的現有原理和方法的改進和完善方面有一定的研究，如文獻[08]、[09]、[11]等，但尚未發現將神經網絡應用于技術創新預測與評估方面的研究，在當前產品的市場壽命周期不斷縮短、要求企業不斷推出新產品的經濟條件下，以神經網絡為基礎來建立產品技術創新預測與評估模型，是對技術創新定量預測和評估方法的有益補充和完善。
三、論文預期成果的理論意義和應用價值
本項目研究的理論意義表現在:(1)探索新的技術創新預測和評估技術，豐富和完善技術創新預測和評估方法體系;(2)將神經網絡技術引入技術創新的預測和評估，有利于推動技術創新預測和評估方法的發展。
本項目研究的應用價值體現在:(1)提供一種基于多因素的技術創新定量預測技術，有利于提高預測的正確性;(2)提供一種基于bp神經網絡的綜合評估方法，有利于提高評估的科學性;(3)為企業的技術創新預測和評估工作提供新的方法論和實用技術。
四、課題研究的主要內容
研究目標：
以bp神經網絡模型為基礎研究基于多因素的技術創新預測和評估模型，并建立科學的預測和評估指標體系及設計相應的模型計算方法，結合企業的具體實際，對指標和模型體系進行實證分析，使研究具有一定的理論水平和實用價值。
研究內容：
1、影響企業技術創新預測和評佑的相關指標體系確定及其量化和規范化。從企業的宏觀環境和微觀環境兩個方面入手，密切結合電子商務和知識經濟對企業技術創新的影響，系統綜合地分析影響產品技術創新的各相關因素，建立科學的企業技術創新預測和評估指標體系，并研究其量化和規范化的原則及方法。
2、影響技術創新預測和評估各相關指標的相對權重確定。影響技術創新發展和變化各相關因素在輸入預測和評估模型時，需要一組決定其相對重要性的初始權重，權重的確定需要基本的原則作支持。
3、基于bp神經網絡的技術創新預測和評估模型研究。根據技術創新預測的特點，以bp神經網絡為基礎，構建基于多因素的技術創新預測和評估模型。
4、基于bp神經網絡的技術創新預測和評估模型計算方法設計。根據基于bp神經網絡的技術創新預測和評估模型的基本特點，設計其相應的計算方法。
5、基于bp神經網絡的技術創新預測和評估模型學習樣本設計。根據相關的歷史資料，構建基于bp神經網絡的技術創新預測和評估模型的學習樣本，對預測和評估模型進行自學習和訓練，使模型適合實際情況。
6、基于bp神經網絡的技術創新預測和評估技術的實證研究。以一般企業的技術創新預測與評估工作為背景，對基于bp神經網絡的技術創新預測和評估技術進行實證研究。
創新點：
1、建立一套基于電子商務和知識經濟的技術創新預測和評估指標體系。目前，在技術創新的預測和評估指標體系方面，一種是采用傳統的指標體系，另一種是采用國外先進國家的指標體系，如何結合我國實際當前經濟形勢，參考國外先進發達國家的研究工作，建立一套適合于我國企業技術創新預測和評估指標體系，此為本研究要做的首要工作，這是一項創新。
2、研究基于bp神經網絡的技術創新預測和評估模型及其計算方法。神經網絡技術具有并行分布處理、自學習、自組織、自適應和容錯性等優良性能，能較好地處理基于多因素、非線性和不確定性預測和評估的現實問題，本項目首次將神經網絡技術引入企業的技術創新預測和評估，這也是一項創新。
五、課題研究的基本方法、技術路線的可行性論證
1、重視系統分析。以系統科學的思想為指導來分析影響企業技術創新發展和變化的宏觀因素和微觀因素，并研究影響因素間的內在聯系，確定其相互之間的重要度，探討其量化和規范化的方法，將國外先進國家的研究成果與我國具體實際相結合，建立我國企業技術創新預測和評估的指標體系。
2、重視案例研究。從國內外技術創新預測與決策成功和失敗的案例中，發現問題、分析問題，歸納和總結出具有共性的東西，探索技術創新預測與宏觀因素與微觀因素之間的內在關系。
3、采用先簡單后復雜的研究方法。對基于bp神經網絡的技術創新預測和評估模型的研究，先從某一行業出發，定義模型的基本輸入因素，然后，逐步擴展，逐步增加模型的復雜度。
4、理論和實踐相結合。將研究工作與具體企業的技術創新實際相結合，進行實證研究，在實踐中豐富和完善，研究出具有科學性和實用性的成果。
六、開展研究已具備的條件、可能遇到的困難與問題及解決措施
本人長期從事市場營銷和技術創新方面的研究工作，編寫出版了《現代市場營銷學》和《現代企業管理學》等有關著作，發表了“企業技術創新與營銷管理創新”、“企業技術創新與營銷組織創新”及“企業技術創新與營銷觀念創新”等與技術創新相關的學術研究論文，對企業技術創新的預測和評估有一定的理論基礎，也從事過企業產品技術創新方面的策劃和研究工作，具有一定的實踐經驗，與許多企業有密切的合作關系，同時，對神經網絡技術也進行過專門的學習和研究，所以，本項目研究的理論基礎、技術基礎及實驗場所已基本具備，能順利完成本課題的研究，取得預期的研究成果。
七、論文研究的進展計劃
07-.09：完成論文開題。
09-.11：影響企業技術創新發展的指標體系研究及其量化和規范化。
11-.01：基于bp神經網絡的技術創新預測和評估模型的構建。
01-.03：基于bp神經網絡的技術創新預測和評估模型計算方法研究。
03-.04：基于bp神經網絡的技術創新預測和評估模型體系的實證研究。
04-.06：完成論文寫作、修改定稿，準備答辯。
主要參考文獻：
[01]傅家驥、仝允桓等.技術創新學.北京:清華大學出版社1998
[02]吳貴生.技術創新管理.北京:清華大學出版社
[03]柳卸林.企業技術創新管理.北京:科學技術出版社1997
[04]趙志、陳邦設等.產品創新過程管理模式的基本問題研究.管理科學學報./2.
[05]王亞民、朱榮林.風險投資項目ecv評估指標與決策模型研究.風險投資./6
[06]趙中奇、王浣塵、潘德惠.隨機控制的極大值原理及其在投資決策中的應用.控制與決策./6
[07]夏清泉、凌婕.風險投資理論和政策研究.國際商務研究./5
[08]陳勁、龔焱等.技術創新信息源新探.中國軟科學./1.pp86-88
[09]嚴太華、張龍.風險投資評估決策方法初探.經濟問題./1
[10]蘇永江、李湛.風險投資決策問題的系統分析.學術研究./4
<11>孫冰.企業產品開發的評價模型及方法研究.中國管理科學./4
課題來源：單位自擬課題或省政府下達的研究課題
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， 可以使企業對未來的技術發展水平及其變化趨勢有正確的把握， 從而為企業的技術創新決策提供科學的依據， 以減少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發展方向的前提下， 企業的技術創新工作才能沿著正確方向開展，企業產品的市場競爭力才能得到不斷加強。在市場競爭日趨激烈的現代商業中， 企業的技術創新決定著企業生存和發展、前途與命運， 為了確保技術創新工作的正確性，企業對技術創新的預測和評估提出了更高的要求。
二、本課題國內外研究現狀及發展趨勢
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。指利用過去和現在的技術、經濟信息， 分析技術發展趨勢和規律， 在分析判斷這些趨勢和規律將繼續的前提下， 將過去和現在的趨勢向未來推演。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，美國生物學家和人口統計學家raymond pearl提出的pearl曲線(數學模型為: y=l∕[1+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(-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悉該項技術的人數成正比， 主要適用于新技術、新產品的擴散預測。
(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， 預測技術的發展變化。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相關分析等方法。
(3)專家預測法。以專家意見作為信息來源， 通過系統的調查、征詢專家的意見， 分析和整理出預測結果。專家預測法主要有: 專家個人判斷法、專家會議法、頭腦風暴法及德爾菲法等， 其中， 德爾菲法吸收了前幾種專家預測法的長處， 避免了其缺點， 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發展趨勢， 并不涉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， 對于產品技術發展的預測不能簡單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中其他因素對企業產品技術創新的深刻影響。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具體的回歸預測式， 而所得到的回歸預測模型往往只能考慮少數幾種主要影響因素， 略去了許多未考慮的因素， 所以， 所建模型對實際問題的表達能力也不夠準確， 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，依靠的是預測者的知識和經驗， 往往帶有主觀性， 難以滿足企業對技術創新預測準確度的要求。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貢獻， 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， 技術創新預測的方法和技術應有新的豐富和發展， 以克服自身的不足， 更進一步適應時展的需要， 為企業的技術創新工作的開展和企業的生存與發展提供先進的基礎理論和技術方法。
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復雜的系統， 其中存在著廣泛的非線性、時變性和不確定性， 同時， 還涉及技術、經濟、管理、社會等諸多復雜因素，目前所使用的原理和方法， 難以滿足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究， 在我國的歷史還不長， 無論是指標體系還是評估方法， 均處于研究之中， 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) 建立一種適應于多因素、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、自適應、自學習和容錯性等優良性能， 可以較好地適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不足。本項目以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基礎， 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， 考慮了概括性和動態性， 力求全面、客觀地反映影響產品技術創新發展的主要因素和導致產品個體差異的主要因素， 盡管是黑匣子式的預測和評估， 但事實證明它自身的強大學習能力可將需考慮的多種因素的數據進行融合， 輸出一個經非線性變換后較為精確的預測值和評估值。
據文獻查閱， 雖然在技術創新預測和評估的現有原理和方法的改進和完善方面有一定的研究，如文獻[08]、[09]、[11]等， 但尚未發現將神經網絡應用于技術創新預測與評估方面的研究， 在當前產品的市場壽命周期不斷縮短、要求企業不斷推出新產品的經濟條件下， 以神經網絡為基礎來建立產品技術創新預測與評估模型， 是對技術創新定量預測和評估方法的有益補充和完善。
三、論文預期成果的理論意義和應用價值
本項目研究的理論意義表現在: (1) 探索新的技術創新預測和評估技術， 豐富和完善技術創新預測和評估方法體系; (2) 將神經網絡技術引入技術創新的預測和評估， 有利于推動技術創新預測和評估方法的發展。
本項目研究的應用價值體現在: (1) 提供一種基于多因素的技術創新定量預測技術， 有利于提高預測的正確性; (2)提供一種基于bp神經網絡的綜合評估方法， 有利于提高評估的科學性; (3) 為企業的技術創新預測和評估工作提供新的方法論和實用技術。
四、課題研究的主要內容
研究目標：
以bp神經網絡模型為基礎研究基于多因素的技術創新預測和評估模型， 并建立科學的預測和評估指標體系及設計相應的模型計算方法， 結合企業的具體實際， 對指標和模型體系進行實證分析， 使研究具有一定的理論水平和實用價值。
研究內容：
1、影響企業技術創新預測和評佑的相關指標體系確定及其量化和規范化。從企業的宏觀環境和微觀環境兩個方面入手， 密切結合電子商務和知識經濟對企業技術創新的影響， 系統綜合地分析影響產品技術創新的各相關因素， 建立科學的企業技術創新預測和評估指標體系， 并研究其量化和規范化的原則及方法。
2、影響技術創新預測和評估各相關指標的相對權重確定。影響技術創新發展和變化各相關因素在輸入預測和評估模型時， 需要一組決定其相對重要性的初始權重， 權重的確定需要基本的原則作支持。
3、基于bp神經網絡的技術創新預測和評估模型研究。 根據技術創新預測的特點， 以bp神經網絡為基礎， 構建基于多因素的技術創新預測和評估模型。
4、基于bp神經網絡的技術創新預測和評估模型計算方法設計。根據基于bp神經網絡的技術創新預測和評估模型的基本特點， 設計其相應的計算方法。
5、基于bp神經網絡的技術創新預測和評估模型學習樣本設計。根據相關的歷史資料， 構建基于bp神經網絡的技術創新預測和評估模型的學習樣本， 對預測和評估模型進行自學習和訓練， 使模型適合實際情況。
6、基于bp神經網絡的技術創新預測和評估技術的實證研究。以一般企業的技術創新預測與評估工作為背景， 對基于bp神經網絡的技術創新預測和評估技術進行實證研究。
創新點：
1、建立一套基于電子商務和知識經濟的技術創新預測和評估指標體系。目前，在技術創新的預測和評估指標體系方面， 一種是采用傳統的指標體系， 另一種是采用國外先進國家的指標體系， 如何結合我國實際當前經濟形勢， 參考國外先進發達國家的研究工作， 建立一套適合于我國企業技術創新預測和評估指標體系， 此為本研究要做的首要工作， 這是一項創新。
2、研究基于bp神經網絡的技術創新預測和評估模型及其計算方法。神經網絡技術具有并行分布處理、自學習、自組織、自適應和容錯性等優良性能， 能較好地處理基于多因素、非線性和不確定性預測和評估的現實問題， 本項目首次將神經網絡技術引入企業的技術創新預測和評估， 這也是一項創新。
五、課題研究的基本方法、技術路線的可行性論證
1、重視系統分析。以系統科學的思想為指導來分析影響企業技術創新發展和變化的宏觀因素和微觀因素， 并研究影響因素間的內在聯系， 確定其相互之間的重要度， 探討其量化和規范化的方法， 將國外先進國家的研究成果與我國具體實際相結合， 建立我國企業技術創新預測和評估的指標體系。
2、重視案例研究。從國內外技術創新預測與決策成功和失敗的案例中， 發現問題、分析問題， 歸納和總結出具有共性的東西， 探索技術創新預測與宏觀因素與微觀因素之間的內在關系。
3、采用先簡單后復雜的研究方法。對基于bp神經網絡的技術創新預測和評估模型的研究， 先從某一行業出發， 定義模型的基本輸入因素， 然后， 逐步擴展， 逐步增加模型的復雜度。
4、理論和實踐相結合。將研究工作與具體企業的技術創新實際相結合， 進行實證研究， 在實踐中豐富和完善， 研究出具有科學性和實用性的成果。
六、開展研究已具備的條件、可能遇到的困難與問題及解決措施
本人長期從事市場營銷和技術創新方面的研究工作， 編寫出版了《現代市場營銷學》和《現代企業管理學》等有關著作， 發表了“企業技術創新與營銷管理創新”、“企業技術創新與營銷組織創新”及“企業技術創新與營銷觀念創新”等與技術創新相關的學術研究論文， 對企業技術創新的預測和評估有一定的理論基礎， 也從事過企業產品技術創新方面的策劃和研究工作， 具有一定的實踐經驗， 與許多企業有密切的合作關系， 同時， 對神經網絡技術也進行過專門的學習和研究， 所以， 本項目研究的理論基礎、技術基礎及實驗場所已基本具備， 能順利完成本課題的研究， 取得預期的研究成果。
七、論文研究的進展計劃
xx.07-xx.09：完成論文開題。
xx.09-xx.11：影響企業技術創新發展的指標體系研究及其量化和規范化。
xx.11-xx.01：基于bp神經網絡的技術創新預測和評估模型的構建。
xx.01-xx.03：基于bp神經網絡的技術創新預測和評估模型計算方法研究。
xx.03-xx.04：基于bp神經網絡的技術創新預測和評估模型體系的實證研究。
xx.04-xx.06：完成論文寫作、修改定稿，準備答辯。
主要參考文獻：
[01] 傅家驥、仝允桓等. 技術創新學. 北京: 清華大學出版社 1998
[02] 吳貴生. 技術創新管理. 北京: 清華大學出版社 xx
[03] 柳卸林. 企業技術創新管理. 北京: 科學技術出版社 1997
[04] 趙志、陳邦設等. 產品創新過程管理模式的基本問題研究. 管理科學學報. xx/2.
[05] 王亞民、朱榮林. 風險投資項目ecv評估指標與決策模型研究. 風險投資. xx/6
[06] 趙中奇、王浣塵、潘德惠. 隨機控制的極大值原理及其在投資決策中的應用. 控制與決策. xx/6
[07] 夏清泉、凌婕. 風險投資理論和政策研究. 國際商務研究. xx/5
[08] 陳勁、龔焱等. 技術創新信息源新探. 中國軟科學. xx/1. pp86-88
