(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211065501.9 (22)申请日 2022.09.01 (71)申请人 北京神舟航天软件技 术股份有限公 司 地址 100094 北京市海淀区永丰路28号 (72)发明人 张琳昊　胡杨博　栾森　李晓娟　 陈小春　 (74)专利代理 机构 北京万驰专利代理事务所 (普通合伙) 1610 6 专利代理师 王军 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/10(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于神经网络模型的成本预测方法、 装置、 介质及设备 (57)摘要 本发明公开了一种基于神经网络模型的成 本预测方法、 装置、 介质及设备， 属于神经网络模 型的数学应用技术领域。 该方法包括： 获取待预 测项目的成本驱动因子； 针对待预测项目的成本 驱动因子进行评分， 并估算待预测项目需要交付 的代码行数， 得到待预测项目的特征数据； 针对 待预测项目的特征数据， 进行数据处理， 得到处 理结果； 将处理结果输入至多层前馈神经网络模 型， 多层前馈神经网络经过数据处理， 得到待预 测项目的成本。 该装置、 介质及设备能够用于实 现该方法。 其通过历史项目数据训练的神经网络 模型能够 充分利用历史项目的相关信息， 从而对 新的项目成本做出准确快速的测算。 权利要求书2页 说明书7页 附图3页 CN 115423186 A 2022.12.02 CN 115423186 A 1.一种基于神经网络模型的成本预测方法， 其特 征在于， 包括以下步骤： 获取待预测项目的成本驱动因子； 针对所述待预测项目的成本驱动因子进行评分， 并估算所述待预测项目需要交付的代 码行数， 得到所述待预测项目的特 征数据； 针对所述待预测项目的特 征数据， 进行 数据处理， 得到处 理结果； 将所述处理结果输入至多层前馈神经网络模型， 所述多层前馈神经网络经过数据处 理， 得到所述待预测项目的成本 。 2.根据权利要求1所述的基于神经网络模型的成本预测方法， 其特征在于， 所述将所述 处理结果输入至多层前馈神经网络模型， 所述多层前馈神经网络经过数据 处理， 得到所述 待预测项目的成本的步骤过程中， 所述多层前馈神经网络模型的构建方法包括以下步骤： 获取历史项目实施的真实成本数据， 得到所述多层前馈神经网络模型的样本数据； 针对所述样本数据， 以所述样本数据 涉及的成本驱动因子指标与项目实施的真实成本 数据之间的映射关系， 构建所述多层前馈神经网络模型， 其中， 所述多层前馈神经网络模型 包括： 输入层， 用于 接收所述待预测项目的特 征数据； 隐藏层， 其所包 含的节点数量 通过对所述样本数据的训练得到； 输出层， 用于 输出所述待预测项目的成本 。 3.根据权利要求1所述的基于神经网络模型的成本预测方法， 其特征在于， 所述针对所 述待预测项目的特征数据， 进 行数据处理， 得到处理结果具体为， 针对所述待 预测项目的特 征数据进 行归一化处理， 使得所述待 预测项目的特征数据统一缩放到区间[ 0， 1]内， 所述归 一化处理的计算公式为 其中， xmax表示数据的最大值， xmin表示数据的最小 值， 表示归一 化处理之后的数据， x表示原 始数据。 4.根据权利要求2所述的基于神经网络模型的成本预测方法， 其特征在于， 还包括以下 步骤： 将所述待预测项目的预测成本数据和项目实施成本数据添加至所述历史项目实施的 真实成本数据的数据库中。 5.根据权利要求2所述的基于神经网络模型的成本预测方法， 其特征在于， 所述隐藏层 的节点数为32。 6.根据权利要求1所述的基于神经网络模型的成本预测方法， 其特征在于， 所述获取待 预测项目的成本驱动因子的步骤过程中， 所述成本驱动因子根据构造性成本模型得到， 所 述成本驱动因子包括计算机周转时间x1、 分析员能力x2、 应用经验x3、 程序员能力x4、 虚拟机 经验x5、 编程语言经验x6、 现代编程规范x7、 软件工具的使用x8、 要求的开发进度x9、 软件可靠 性x10、 数据规模x11、 产品复杂性x12、 执行时间约束x13、 主存储约束x14、 虚拟机的易变性x15、 源代码行数x16， 进行归一化 处理后， 得到结果(x1,x2,...x16)T， 作为所述多层前馈神经 网络 模型的输入层的输入向量。 7.根据权利要求1或2所述的基于神经网络模型的成本预测方法， 其特 征在于， 所述多层前馈神经网络模型采用ReLU函数作为激活函数进行样本数据的训练， 实现输权　利　要　求　书 1/2 页 2 CN 115423186 A 2入层、 隐藏层与输出层之间各层信息的传递反馈； 所述多层前馈神经网络模型采用平方损失函数来表示模型预测值与实 际值之间的误 差； 所述多层前馈神经网络模型采用Adam算法进行迭代训练。 8.一种基于神经网络模型的成本预测装置， 其特 征在于， 包括： 成本驱动因子获取模块， 用于获取待预测项目的成本驱动因子； 特征数据运算模块， 用于针对所述待预测项目的成本驱动因子进行评分， 并估算所述 待预测项目需要交付的代码行 数， 得到所述待预测项目的特 征数据； 数据处理模块， 用于针对所述待预测项目的特 征数据， 进行 数据处理， 得到处 理结果； 多层前馈神经网络模型， 用于接收输入至其中的所述处理结果， 以及对所述处理结果 进行处理， 输出所述待预测项目的成本 。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有基于神 经网络模型的成本预测的程序， 基于神经网络模型的成本预测的程序包括所述多层前馈神 经网络模型， 所述基于神经网络模型的成本预测的程序被处理器执行时， 实现权利要求 1‑7 中任一所述的基于神经网络模型的成本预测方法的步骤。 10.一种电子设备， 其特征在于， 包括存储器和处理器， 所述计算机可读存储介质上存 储有基于神经网络模型的成本预测的程序， 基于神经网络模型的成本预测的程序包括所述 多层前馈神经网络模型， 所述基于神经网络模型 的成本预测的程序被所述处理器执行时， 实现权利要求1 ‑7中任一所述的基于神经网络模型的成本预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115423186 A 3