X公司工程质量风险管理指标体系研究

发布时间：2021-08-20 04:18

　　工程建设项目需要耗费大量的人力、物力和财力,且建设和使用周期较长,一旦工程质量出现问题,不仅影响其自身功能的发挥,还会对人身和财产安全造成巨大的威胁。近年来,我国工程质量风险问题频发,因此,工程质量风险成为了相关学术领域的研究热点。然而,我国在质量风险管理方面的研究起步较晚,与国外相比,发展进程也相对缓慢,尚未形成完善的管理制度和评价体系,且大部分研究缺乏足够的数据支撑。本文主要采用理论研究与实证分析相结合的方法,对工程质量风险管理进行研究分析,以期为提高我国的质量风险管理水平提供借鉴。本文首先依据我国工程质量风险管理的现状提出问题,确定研究方向;其次对质量风险管理的相关理论进行阐述,对比分析国内外工程质量风险管理现状,介绍主成分分析法和BP神经网络及其在工程质量风险管理方面的应用;再次根据工程质量风险的特点,建立了基于BP神经网络的工程质量风险管理模型;最后对X公司工程项目的质量风险进行分析,针对结果提出相应措施和建议。本文得出如下研究结论:（1）通过利用所建立的质量风险指标体系和基于BP神经网络的工程质量风险管理模型可以对不同工程项目的整体风险等级进行有效预测;（2）研究发现X公司... 

【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

图３－１：碎石图??Ｆｉｇ?３－ｌ：Ｓｃｒｅｅ??

的客观性和准确性，但是在实践过程中实现这些原则比较困难，难免会存在一定差甚至错误，所以需要将学习速率尽量控制的小一点，否在无法达到预期设想的。??（２）在进行ＢＰ神经网络训练和测试的数据要随机选取。因为在工程项目中涉的领域较多，涉及的数据也多，应该在不同领域内进行选取，使数据具有普遍性，??以在进行训练和测试的时候，应当随机选取数据。??（３）应该按照一定的比例来分配需要训练和测试的数据，训练数据的目的是ＢＰ神经网络能够更加精准，测试数据是用来检验神经网络的训练效果，所以在数据量的选取时要遵循一定的规律，充分考虑到各自的目的和要求，通常可以将练和测试数据的比例设置为７：３或者８：２．??本文共有１１４个样本数据，９个主成分，即１１４＊９维数据，将这些数据代入神网络模型中。通过上述注意事项，本文将训练和测试的数据量的比例控制在８：２，１－９１个样本数据作为训练数据，第９２－１１４个样本数据作为测试数据。下图３－３／３－ＢＰ神经网络的训练与测试过程。??Ｂｅｓｔ?Ｔｒａｉｎｉｎｇ?Ｐｅｒｆｏｒｍａｎｃｅ?ｉｓ?０．００９２６１?ａｔ?ｅｐｏｃｈ?９９８５??

图３－４：?ＢＰ神经网络训练与测试过程??Ｆｉｇ?３－４：Ｔｒａｉｎｉｎｇ?ｓｔａｔｕｓ?ｏｆ?ＢＰ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??３．?４．?４?ＢＰ神经网络诊断结果??根据本文的风险判定规则，当项目的总质量风险值在〇－〇．?２时，输出为低当项目的总质量风险值在０．３－０．５时，输出为中度风险，当项目的总质量风险等于０．６时，输出结果为高度风险。因此结果对比如下表３－９所示。??表３－９：?ＢＰ神经网络模型结果与实际对比??Ｔａｂｌｅ?３－９：?Ｔｈｅ?ｒｅｓｕｌｔｓ?ｏｆ?ＢＰ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｍｏｄｅｌ?ａｒｅ?ｃｏｍｐａｒｅｄ?ｗｉｔｈ?ｔｈｅ?ｒｅａｌ?ｏｎｅｓ??ｙ?ＢＰ结果??得分?风险等级?得分?风险等级?是否相符??１?０．６?高度风险?０．６?高度风险?是??２?０．４?中度风险?０．３?中度风险?是??


本文编号：3352797