[发明专利]一种项目过程管理预测数据的排异方法

权利要求书

1.一种项目过程管理预测数据的排异方法，其特征在于，包括以下步骤：

S1、确定数据的分布特性，参照已有的样本数据对预测数据的均值、方差进行评估；

S2、采用假设检验的方法计算预测数据精确的近似概率分布模型；

S3、定义置信概率并确定置信门限阈值，根据置信门限阀值来判断预测数据是否异常，找出异常数据并剔除。

2.根据权利要求1所述的一种项目过程管理预测数据的排异方法，其特征在于，所述步骤S1具体实现方法为：定义预测数据的属性变量为X，它服从某种数据分布形式f(x)，表达式为：

X～f(x)

运用统计学知识，计算样本数据y＝(a₁₁,a₂₁,a₃₁,…a_m1)^r的频率分布f_P(x)，并对其均值μ、方差进行σ估计，具体表达式如下：

3.根据权利要求1所述的一种项目过程管理预测数据的排异方法，其特征在于，所述步骤S2具体实现方法为：采用概率分布结构相似的方法，确定属性值的概率分布f(x)；

设定第K个概率密度函数、分布律分别为g_k(x)和g_k(n)；

正态分布为：

分布的相似度计算公式为：

利用不等式，得出：0≤S_k≤1，k∈(1,2,3…,N)；N为概率密度函数或分布律的个数；当f_p(x)＝h·g_k(x)或f_p(n)＝h·g_k(n)时，S_k＝1；h为比例系数；

若最大的相似度则近似认为：

4.根据权利要求1所述的一种项目过程管理预测数据的排异方法，其特征在于，所述步骤S3具体实现方法为：从极值处开始，对每个数据的属性值分布函数的最大值和最小值进行判断：

其中，R为预设的门限阈值，当某数据的属性值分布函数的最大值和最小值同时满足上述两个不等式时则将该数据判断为异常数据，将该异常数据剔除，并继续判断剩余数据。