基于BP神经网络的水利工程风险管理研究

发布时间：2017-05-22 17:13

  本文关键词：基于BP神经网络的水利工程风险管理研究，由笔耕文化传播整理发布。

【摘要】：随着我国水利行业的大力发展,各类水利工程项目日益增多,各种风险时有发生。我国是航运大国,做好准确、有效的水利工程风险管理对水利工程安全起着重要的作用。有效的风险管理,势必减少对国家的损失和人民的伤害。本文主要是针对水利工程建设过程中存在的风险隐患,进行风险识别,建立适当的评价指标模型,并采用BP神经网络方法建模,从而利用建立的模型对水利工程进行风险评价并得出相应的结论和整改建议,进行风险控制和监督,形成一套完整的风险管理模式。本文首先通过相关的资料对水利工程风险及风险管理的基本理论进行阐述,并对风险管理各个过程进行分析,之后对BP神经网络原理进行介绍。其次,利用问卷调查对水利工程存在的风险隐患进行调查分析,识别出水利工程主要风险因素,并建立相应的评价指标体系,然后采用专家打分法来对选择的10个样本进行量化。之后为了简化网络的输入,提高网络的收敛速率。因此,当输入数据的维数较大时,利用SPSS软件,采用主成分分析法对样本数据进行降维处理,并进行数据离散化处理,从而简化了BP网络结构,提高训练速率。再次,水利风险评价指标体系进行降维处理后,利用MATLAB工具,将前8个样本作为BP神经网络的训练数据,后2个样本作为测试数据。测试结果表明该风险评价模型是有效的。最后,对在建的排涝站项目进行风险管理,利用主成分和BP神经网络相结合进行风险评价,并根据评价结果及主成分公式的系数分析了影响排涝站的关键风险因素,对这些风险因素采取针对性的措施降低对工程项目的不利影响。
【关键词】：水利工程 风险管理 BP神经网络 主成分分析
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F426.91;TP183
【目录】：

• 摘要4-5
• Abstract5-10
• 第一章 绪论10-19
• 1.1 选题背景及意义10-12
• 1.1.1 选题背景10-11
• 1.1.2 研究意义11-12
• 1.2 国内外研究现状12-17
• 1.2.1 国外研究现状12-13
• 1.2.2 国内研究现状13-16
• 1.2.3 神经网络及其模型应用的研究16-17
• 1.3 本论文的研究内容及技术路线17-19
• 第二章 水利工程项目风险管理的相关理论19-34
• 2.1 风险的基本概念19-20
• 2.1.1 风险的含义19
• 2.1.2 风险的特点及构成要素19-20
• 2.2 水利工程风险的相关概念20-22
• 2.2.1 水利工程风险的定义及分类20-21
• 2.2.2 水利工程风险的特点21-22
• 2.3 水利工程项目风险管理概述22-31
• 2.3.1 风险识别23-25
• 2.3.2 风险评估25-29
• 2.3.3 风险控制29-31
• 2.4 BP神经网络的相关理论31-34
• 2.4.1 BP神经网络的概念31-32
• 2.4.2 BP神经网络的原理32-34
• 第三章 BP神经网络模型的建立及模型的MATLAB实现34-51
• 3.1 水利工程风险评价指标体系的建立34-40
• 3.1.1 风险评价指标因素分析34-35
• 3.1.2 风险评价指标体系建立的原则35-36
• 3.1.3 风险评价指标体系的构建36-38
• 3.1.4 样本数据的产生38-40
• 3.2 利用主成分分析法降维40-46
• 3.2.1 主成分分析法相关概念及原理40-41
• 3.2.2 对样本数据进行主成分分析41-46
• 3.2.3 对样本数据进行离散化处理46
• 3.3 BP神经网络模型的设计46-48
• 3.3.1 输入层单位数的确定46-47
• 3.3.2 隐含层的设计47
• 3.3.3 输出层单元数的确定47
• 3.3.4 训练参数设置47-48
• 3.4 BP神经网络模型的建立48-49
• 3.5 BP神经网络模型的MATLAB实现49-51
• 第四章 BP神经网络风险管理模型在童游排涝站中的应用51-64
• 4.1 工程概况51-52
• 4.2 风险评价指标体系的建立52-54
• 4.3 样本数据的产生54
• 4.4 基于主成分和BP神经网络相结合的童游排涝站风险评价54-62
• 4.4.1 利用SPSS对样本数据进行主成分分析55-59
• 4.4.2 对样本数据进行离散化处理59
• 4.4.3 BP神经网络模型的建立及MATLAB的实现59-62
• 4.5 风险控制62-64
• 第五章 总结与展望64-66
• 5.1 总结64
• 5.2 主要创新点64-65
• 5.3 展望65-66
• 参考文献66-69
• 附录A 水利工程风险问卷调查69-71
• 附录B 水利工程风险因素打分表71-73
• 致谢73-74

【参考文献】

中国期刊全文数据库 前7条

1 柴春岭;陈守煜;;模糊优选神经网络模型在泥石流平均流速预测中应用研究[J];大连理工大学学报;2008年06期

2 王振兴;;基于神经网络的水利工程建设项目风险评价[J];长江大学学报(自然科学版);2013年01期

3 郑忠耀;;SPSS统计软件教学探讨[J];科教文汇(下旬刊);2009年02期

4 李舒亮;张书军;;多元策略应对企业风险[J];企业管理;2006年08期

5 刘阳;;IT项目工期估算方法的研究[J];西安建筑科技大学学报(社会科学版);2010年04期

6 白明洲,王连俊,许兆义;岩爆危险性预测的神经网络模型及应用研究[J];中国安全科学学报;2002年04期

7 卢有杰;项目风险管理[J];中国投资与建设;1997年01期

中国硕士学位论文全文数据库 前9条

1 王哲;施工企业工程项目风险管理研究及案例分析[D];西南交通大学;2011年

2 刘晓燕;EPC合同模式下公路项目的风险分析与索赔策略研究[D];西南交通大学;2008年

3 李乐;济宁高新区热力工程项目风险管理研究[D];山东大学;2008年

4 孙志高;水利工程项目风险防范与解决路径[D];山东大学;2010年

5 王天化;水库大坝安全应急管理区域风险分析及损失评估方法研究[D];长江科学院;2010年

6 卢茜;基于信息熵理论的水利工程项目风险控制研究[D];江西理工大学;2012年

7 张治敏;沿海沉箱码头施工安全风险评估及安全控制研究[D];重庆交通大学;2012年

8 余华茂;浮动汇率机制下的我国企业汇率风险管理研究[D];湖南大学;2010年

9 任宇新;内蒙古电力公司电网建设工程项目风险管理研究[D];华北电力大学;2013年

  本文关键词：基于BP神经网络的水利工程风险管理研究，，由笔耕文化传播整理发布。

本文编号：386384