[發明專利]一種軟件工程質量預測方法有效
| 申請號： | 202010790231.2 | 申請日： | 2020-08-07 |
| 公開（公告）號： | CN111881058B | 公開（公告）日： | 2023-09-22 |
| 發明（設計）人： | 程勝;王楠;萬金晶;謝金龍;樊瑞婷 | 申請（專利權）人： | 北京神舟航天軟件技術有限公司 |
| 主分類號： | G06F11/36 | 分類號： | G06F11/36;G06F8/71 |
| 代理公司： | 北京世譽鑫誠專利代理有限公司 11368 | 代理人： | 孫國棟 |
| 地址： | 100094*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 軟件 工程質量 預測 方法 | ||
本發明公開的軟件工程質量預測方法，涉及軟件工程技術領域，通過判斷當前軟件配置項的過程數據/質量數據的樣本數量是否大于設定的閾值，若是，則將當前軟件配置項的過程數據/質量數據輸入訓練過的時間序列分析ARIMA模型，預測軟件工程的質量,若否，則將當前軟件配置項的過程數據/質量數據輸入訓練過的灰度預測GM模型，預測軟件工程的質量，減少了工作量，提高了軟件工程態勢評估的效率及準確度。
技術領域
本發明涉及軟件工程技術領域，具體涉及一種軟件工程質量預測方法。
背景技術
目前，對軟件工程態勢的評估主要通過人工統計并分析軟件配置項中過程數據及質量數據，在軟件運行過程中或運行后，對軟件進行檢查的方式實現的，該方式存在的缺陷為：工作量大，效率低，因失誤、疏忽容易導致評估結果不準確。
發明內容
為解決現有技術的不足，本發明實施例提供了一種軟件工程質量預測方法，該方法包括以下步驟：
判斷當前軟件配置項的過程數據/質量數據的樣本數量是否大于設定的閾值；
若是，則將當前軟件配置項的過程數據/質量數據輸入訓練過的時間序列分析ARIMA模型，預測軟件工程的質量；
若否，則將當前軟件配置項的過程數據/質量數據輸入訓練過的灰度預測GM模型，預測軟件工程的質量。
優選地，所述方法還包括：
根據公式P1＝P/N，計算當前軟件配置項參研單位的歷史人均研制效率P1，其中，P＝M1/N1，N為當前軟件配置項參研單位研制的軟件配置項數量，M1為當前軟件配置項中軟件代碼的行數，N1為完成軟件研制參與的人數與天數的乘積；
提取當前軟件工程任務書中功能要求及性能要求的關鍵字并從已經研制完成的軟件配置項集合中隨機選取所述關鍵字相同的設定數量的軟件配置項；
計算所述軟件配置項的人均研制效率P2；
分別為P1、P2設置權重a及b，權重之和為1，根據公式P＝P1a+P2b，計算當前軟件配置項的最終研制效率；
根據當前軟件配置項的軟件規模、人力資源信息，預測當前軟件配置項的研制進度。
優選地，所述時間序列分析ARIMA模型的創建過程包括：
通過人工，分別設置歷史軟件配置項中各個過程數據及各個質量數據的分值及對應的權重；
將各個過程數據的分值及對應的權重相乘后累加，得到各個過程數據的綜合分值；
將各個質量數據的分值及對應的權重相乘后累加，得到各個質量數據的綜合分值；
將各個過程數據中的部分過程數據、所述部分過程數據的分值及對應的權重、各個過程數據中的部分過程數據、所述部分過程數據的分值及對應的權重作為訓練數據，輸入時間序列分析ARIMA模型，對時間序列分析ARIMA模型；
利用各個過程數據中剩余的過程數據、所述剩余的過程數據的分值及對應的權重、各個質量數據中剩余的質量數據、所述剩余的質量數據的分值及對應的權重，預測時間序列分析ARIMA模型預測的準確度，若預測準確度下降，則糾正訓練數據并再次對時間序列分析ARIMA模型進行訓練。
優選地，所述灰度預測GM模型的創建過程包括：
從歷史軟件工程質量報告中獲取參數“發現問題個數”、“已解決問題個數”、“已解決問題經過的測試輪數”，利用近似算法，分別得到參數“發現問題個數”、“已解決問題個數”、“已解決問題經過的測試輪數”的發展趨勢圖；
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京神舟航天軟件技術有限公司，未經北京神舟航天軟件技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010790231.2/2.html，轉載請聲明來源鉆瓜專利網。
