工程项目风险管控智能决策支持系统建模研究

发布时间：2020-10-16 02:49

　　 随着计算机技术和网络技术的个性化发展、房地产业的日益规范,企业开始寻求新的技术手段支持公司的决策。在实际的工程项目中,施工阶段的可节约空间已经很小,快速的市场节奏使得投资决策阶段在整个建设项目周期中的风险最大。智能决策支持系统的应用在国内起步比较晚,虽然有些企业建立了数据仓库系统,但真正发挥效用的并不多见,在工程项目中的应用更是少之又少。作者创新性的在本文中提出了将智能决策支持系统的先进技术手段应用于工程项目投资阶段的战略风险管控,对智能决策支持系统的技术应用、工程项目投资阶段的战略风险管控的研究,都具有深刻的现实意义和理论意义。 所做的研究工作如下: 基于以上研究背景,本文通过深入分析、研究房地产项目投资决策阶段的风险状况,在综述了国内外风险管控以及智能决策支持系统研究现状的基础上,通过查阅大量相关资料,分析得出构成工程项目投资决策风险管控的指标体系,并对各个指标进行详细设计;深入研究了智能决策支持系统各部分的工作原理以及各库之间的工作关系,并通过实例构建了智能化风险管控模型,应用人工神经网络中的BP网络实现了可以通过智能决策支持系统做出投资决策来规避风险的预想。 通过分析和研究,获得了以下研究成果和研究结论: (1)通过对工程项目全生命周期风险状况的深入分析、研究,提出了工程项目投资战略风险管控的概念。对工程项目风险管控智能决策支持系统及相关理论进行综述,指出在工程项目全寿命周期各阶段中前期投资决策的重要性,并通过调查研究发现国内对这一领域的研究存在很大的空缺,强调在工程项目中对前期风险进行管控的迫切性、必要性。 (2)在工程项目传统的风险管控进行研究、认识的基础上,将研究方向从过去的利润、收入、成本等财务指标转移到战略领域,对工程项目战略风险进行系统地分析、研究,帮助企业的高层管理者进行战略决策。 (3)通过查阅大量的实际工程项目资料、结合工程项目的特性,运用风险分析、风险估计与评价等技术手段选取风险,建立了工程项目战略风险指标体系, (4)构建了工程项目风险管控智能决策支持系统的基本结构。根据项目风险指标的设计要求,通过项目风险管理智能决策支持系统的推理框架和实现方法,将智能决策支持系统运用于工程项目投资战略风险管控领域,解决了工程项目风险管控的决策推理问题以及神经网络在辅助决策中的问题。 (5)根据工程项目战略决策风险的特点,借助神经网络极强的非线性动态处理问题的能力,通过实例证明工程项目投资战略风险管控与智能决策支持系统两者结合的可行性、优合性,利用神经网络超强的自学习能力,从大量数据中发现并掌握各个战略风险决策因子之间复杂的客观规律。对某省17个地区的数据进行训练、预测,成功得出待测楼盘建造的房屋类型以及项目的总投资额,较小的误差表明二者的结合可以应用到实际工作中来管控项目风险。
【学位单位】：中国海洋大学
【学位级别】：硕士
【学位年份】：2011
【中图分类】：F224;F284
【部分图文】：

图 5-2-1 归一化代码输入5.3 BP 网络设计采用单隐层的 BP 网络进行工程项目前期决策。由于输入样本为 9 维的输入向量，因此，输入层一共有 9 个神经元，根据 Kolmogorow 定理，隐含层神经元个数 n2和输入层神经元个数 n1之间的近似关系： 2121n = n+。我们确定中间层应该有 15 个神经元。设计的网络需要预测房屋类型和投资额 2 个向量，则定义输出层的神经元个数为 3，因此，网络应该是 9×19×2 的结构。一般情况下，BP 网络的隐含层神经元的传递函数会设计成 S 型正切函数。在 5.2 中，本文已将输出函数进行了归一化处理，传递函数按照一般原则选取，力图创建一个适合本设计系统的 BP 网络模型。

-1训练结果

-2训练结果
【引证文献】

相关期刊论文 前1条

1 刘洋;;中国城市辖区规模新论[J];西南石油大学学报(社会科学版);2013年03期

相关硕士学位论文 前1条

1 周莉莉;基于复杂多项目的房地产信贷风险IDSS建模研究[D];中国海洋大学;2012年

本文编号：2842645