基于BIM的工程项目投资风险评价与控制研究

发布时间：2021-07-06 17:28

　　随着“一带一路”倡议的深入推进,中国对外贸易和直接投资保持稳步增长的态势,在基础设施建设、能源项目开发等方面展开多元合作,把握全球化发展机遇的同时更不能忽视风险防范的重要性。风险管理是工程投资控制的关键步骤和重要内容,为提升项目风险应对能力,促进投资决策科学化,研究工程投资风险评价与控制具有重要的现实意义。本文采用投资构成和元分析法识别项目内外部面临的投资风险,通过帕累托法则分析其中的主要风险,并构建投资风险体系。采用改进粒子群（Particle Swarm Optimization,PSO）优化最小二乘支持向量机（Least Square Support Vector Machine,LS-SVM）对投资风险体系各风险因素进行等级评价。对于Ⅰ级高风险和Ⅱ级中高风险,基于建筑信息模型（Building Information Modeling,BIM）的全过程投资控制进行风险规避和减轻;Ⅲ级中等风险,构建参与方谈判地位不对等的讨价还价博弈模型进行风险分担;Ⅳ级中低风险和Ⅴ级低风险,基于BIM的风险预警系统进行在线监控。通过研究投资风险评价与控制问题,本文得到的主要结论为:（1）通过投资... 

【文章来源】：桂林电子科技大学广西壮族自治区

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    §1.1 研究背景和研究意义
        §1.1.1 研究背景
        §1.1.2 问题的提出
        §1.1.3 研究意义
    §1.2 国内外研究现状及存在问题
        §1.2.1 国外研究现状
        §1.2.2 国内研究现状
        §1.2.3 存在的问题
    §1.3 研究内容和技术路线
        §1.3.1 研究内容
        §1.3.2 研究方法
        §1.3.3 技术路线
第二章 风险理论和改进PSO优化LS-SVM
    §2.1 投资风险理论
        §2.1.1 投资风险
        §2.1.2 投资风险管控
    §2.2 最小二乘支持向量机
        §2.2.1 基本原理
        §2.2.2 核函数的选择
        §2.2.3 PSO优化LS-SVM参数的提出
    §2.3 粒子群优化算法
        §2.3.1 基本思想
        §2.3.2 参数设置
    §2.4 本章小结
第三章 投资风险体系构建和风险评价
    §3.1 构建投资风险体系
        §3.1.1 构建的原则
        §3.1.2 构建的方法
        §3.1.3 构建的步骤
        §3.1.4 投资风险体系的建立
    §3.2 投资风险评价指标
        §3.2.1 风险等级划分
        §3.2.2 评语集的确立
    §3.3 投资风险评价
        §3.3.1 改进PSO优化理论
        §3.3.2 PSO算法的评估
        §3.3.3 改进PSO优化LS-SVM的评价流程
        §3.3.4 改进PSO优化LS-SVM的适用性
    §3.4 本章小结
第四章 基于BIM的投资风险控制
    §4.1 BIM技术
        §4.1.1 BIM主要特点
        §4.1.2 BIM信息集成
        §4.1.3 BIM应用于投资风险控制的可行性
    §4.2 基于BIM的全过程投资风险控制
        §4.2.1 决策阶段
        §4.2.2 设计阶段
        §4.2.3 招投标阶段
        §4.2.4 施工阶段
        §4.2.5 竣工阶段
    §4.3 非对称地位下的风险分担博弈模型
        §4.3.1 讨价还价理论
        §4.3.2 模型的构建
        §4.3.3 模型的求解
    §4.4 基于BIM的投资风险预警系统
        §4.4.1 BIM信息集成平台构建
        §4.4.2 预警系统的总体框架
        §4.4.3 预警系统的功能
        §4.4.4 预警系统的运行流程
        §4.4.5 预警系统的关键技术
    §4.5 本章小结
第五章 工程应用分析
    §5.1 投资风险体系的运用
    §5.2 风险评价
        §5.2.1 仿真分析
        §5.2.2 对比验证
        §5.2.3 等级评价
    §5.3 风险控制
        §5.3.1 风险分担
        §5.3.2 风险预警
    §5.4 本章小结
第六章 结论与展望
    §6.1 结论
    §6.2 创新点
    §6.3 展望
参考文献
致谢
作者在攻读硕士期间的主要研究成果


【参考文献】：
期刊论文
[1]基于粒子群算法改进最小二乘支持向量机的工程投资风险评价模型[J]. 唐碧秋,韩佳,郭国峰,张赛.  土木工程与管理学报. 2019(02)
[2]基于混合变分模态分解模型的短期风速预测[J]. 吴小涛,袁晓辉,袁艳斌,张东寅.  水电能源科学. 2019(01)
[3]基于RBF神经网络的井筒流动工况预测[J]. 王浩儒,李祖友,鲁光亮,唐雷.  油气藏评价与开发. 2018(06)
[4]基于AWOA算法与LSSVM的主蒸汽流量软测量模型[J]. 邓怀勇,马琴,陈国彬,刘超,牛培峰.  仪表技术与传感器. 2018(12)
[5]城市轨道交通BIM应用现状分析与展望[J]. 李姝君,匡思羽,邓雪原.  都市快轨交通. 2018(04)
[6]考虑经济转型和发展的电力负荷预测研究[J]. 韩海安,杜孟珂,程浩忠,杨宗麟.  可再生能源. 2018(08)
[7]基于大数据的共享物流信息平台模型研究[J]. 程琳,朱晓峰,陆敬筠.  科技管理研究. 2018(15)
[8]基于BIM的大型工程项目投资控制[J]. 田道坡,韩佳,彭俊霖.  建材与装饰. 2018(32)
[9]基于三标度AHP与CUOWA区间群决策方法的商业地产投资风险评价[J]. 王友国,王秀代.  土木工程与管理学报. 2018(03)
[10]联合体工程总承包项目优化收益分配谈判模型[J]. 安晓伟,王卓甫,丁继勇,李慧敏.  系统工程理论与实践. 2018(05)



本文编号：3268664