技术预测模型分析研究

发布时间：2020-09-25 15:42

　　 科技的发展催生技术预测的产生。技术预测(Technology Forecast)是对科学、技术、经济、环境和社会的远期未来进行有步骤的探索过程,其目的是为科技发展提出政策建议,具有重大意义。通常利用相关专利数据进行技术预测。本文系统地对国内外相关文献进行分析总结和文献综述,采用对比分析研究的方法,通过典型案例对比分析,根据实际数据进行模拟计算和统计分析,比较各种预测模型的优劣。明确提出,基于面板数据(Panel Data)的技术创新预测模型结果最接近实际,预测结果最为精确。
【学位单位】：华北电力大学（北京）
【学位级别】：硕士
【学位年份】：2009
【中图分类】：F224;G301
【部分图文】：

序序号号年份份北京市专利申请授权量(件)))移动平均(n=3)))1111119988838000000222221999995829999933333200000590555554444420011162466651788855555200222634555599333666662003338248886165557777720044490055569466688888200555101000078666699999200666112388891188811100020077714954441011444根据表4一3绘制移动平均趋势曲线图。

误差训练次数/105图4一2误差随训练次数变化趋势图图4一3神经网络预测结果如图4一3所示，用神经网络预测法预测北京市2007年专利申请授权量为17292件。实际北京市2007年专利申请授权量为 14954件，误差为2338件。利用神经网络进行预测，网络模型的建立是以大量样本资料为基础的。网络的学习和训练过程实际上就是存储样本所包含的信息，存储的信息越多，识别、判断越好。当样本资料较少或代表性较差时，网络的判断能力差，预测效果便会降低。在本例中，数据，即样本资料非常少，因此神经网络模型拟合效果不够理想，预测结果偏离了实际。

图5一1各地区1998年一2006年人员投入依据1998年到2006年的R&D统计数据，部分省市R&D人员投入情况见图5一1。图5一1中，X轴代表年份，Y轴为R&D人员投入比值，人员投入比值表示各省试验发展的R&D人员折合全时当量与其均值之比值，Z轴代表北京、河北、黑龙江、浙江、山东、广东、四川、贵州、陕西、新疆十个省市地区。图5一1中的各条线表示各省市1998年到2006年R&D人员投入情况数据按个体连线。由图5一1可以直观地看出，北京地区的各年度人员投入比值都远远超出其他地区，并且随着时间的推移有下降的趋势。 5.1.2北京市R&O经费投入与其他省市的比较图5一2各地区1998年一2006年经费投入

【相似文献】

相关期刊论文 前10条

1 J.G.Wissema;丁鸿富;虞富洋;;技术预测的前景[J];世界科学;1982年11期

2 张云昌;;美国定性预测应用考察[J];预测;1986年01期

3 杨省贵;;技术预测分析与技术战略管理[J];科技管理研究;2008年02期

4 李补莲;10项重点发展技术预测[J];国防技术基础;2004年03期

5 孟晓华,崔志明;高新技术及其产业技术预测研究——第一轮“德尔菲”调查[J];科学管理研究;2004年05期

6 郑士贵;论专利文献计量对技术预测的影响[J];管理科学文摘;1998年09期

7 朱兴龙;;黑龙江省技术预见的必要性与可行性分析[J];黑龙江对外经贸;2006年06期

8 蒋沁;;技术预测中参数的选择[J];预测;1987年01期

9 肖利;技术预测计划对英国科学技术发展的作用[J];科学学研究;1998年03期

10 马庆国;;论预测的标准[J];预测;1987年02期

相关会议论文 前10条

1 蔡e

本文编号：2826755