基于BP神经网络的科创板企业研发成本预测

把脉研发创新规律,突破科技成果转化难关是盛行不衰的话题。文章选取280家科创板上市公司的数据作为学习样本,建立了BP神经网络研发成本预测模型,并对网络进行仿真测试,以杭可科技公司为例应用预测模型进一步验证其可行性与准确性,结果发现:BP神经网络模型在科创板企业研发成本预测上的应用是行之有效的;BP神经网络预测相较于传统的回归预测拟合效果好,有较高的预测精度;BP神经网络的应用能提升科创板企业研发成本预测的准确性,解决历史数据不足问题,也能为企业降本增效指明方向。最后,鉴于真实情况和预测结果为科创板企业降本增效工作提出相应的改进建议。

企业研发成本预测研究文献述评

研发成本与研发成本预测在建设创新型企业过程中显现出日益重要的作用。因此,对国内外学者关于成本预测和研发成本预测的研究成果进行了梳理和分析,并在此基础上进行了归纳总结。

高新技术企业研发成本的预测模型及方法探讨

高新技术企业研发成本预测是其研发成本管理的重要组成部分。结合主成分分析法与支持向量机,考虑影响研发成本的众多因素,分析确定重要影响因素变量,构建研发成本PCA-SVR预测模型。该模型克服了高新技术企业研发成本变量之间的多重共线问题,并通过比较线性核函数、多项式核函数与径向基核函数来确定最佳核函数,从而提升了模型预测的准确度。为验证模型的合理性,以一家高新技术企业A公司为例进行应用研究。结果表明,文章提出的方法预测结果拟合度良好,该模型可用于研发成本的预测。