基于BP神經(jīng)網(wǎng)絡(luò )的工程項目投標報價(jià)風(fēng)險加價(jià)預測研論文

　　[摘要]工程報價(jià)確定時(shí),其加價(jià)部分須考慮風(fēng)險費用。本文分析了BP神經(jīng)網(wǎng)絡(luò )在風(fēng)險加價(jià)預測中的運用,并引入實(shí)際工程,運用MATLAB軟件,對其風(fēng)險加價(jià)費率進(jìn)行預測。

　　[關(guān)鍵詞]BP神經(jīng)網(wǎng)絡(luò );投標報價(jià);風(fēng)險加價(jià)

　　1引 言

　　工程投標承包是一項風(fēng)險型事業(yè),具有淘汰、激勵和調節三個(gè)基本功能,其風(fēng)險和利潤并存。中國際勞工組織專(zhuān)家Baldwin A.N.,McCaffer R.和Oteifa S.A.指出,工程報價(jià)確定時(shí),其加價(jià)部分須考慮風(fēng)險費用,合理確定風(fēng)險加價(jià)費用,而決策的正確程度會(huì )直接影響中標率和利潤回報。風(fēng)險加價(jià)費用是指承包商對自留風(fēng)險損失的補償,確定時(shí)應綜合考慮投標承包該項目全過(guò)程的期望風(fēng)險損失值。

　　2BP神經(jīng)網(wǎng)絡(luò )職稱(chēng)論文

　　本文將采用BP網(wǎng)絡(luò )對風(fēng)險加價(jià)費用進(jìn)行預測。

　　2.1 輸入元素選擇與量化

　　輸入元素選擇時(shí)要注意的是,當不能提供較多訓練樣本時(shí),必須設法減少樣本維數。故本文將引入AHP對風(fēng)險因素進(jìn)行權重計算,通過(guò)排序,選取權值較大的作為輸入元素。并建立相應的風(fēng)險因素清單,合理估計風(fēng)險事件發(fā)生概率及損失,確定哪些風(fēng)險事件自留。

　　確定輸入值的方法:樣本工程與基本工程(樣本中選擇一個(gè))對比的重要程度用標度來(lái)表示,標度取值范圍為[0,9],通過(guò)標度確定輸入值,如表1所示,表中分別為基本工程和樣本工程的風(fēng)險因素,輸入值為人工神經(jīng)元網(wǎng)絡(luò )的輸入值。

　　2.2 網(wǎng)絡(luò )設計和訓練

　　網(wǎng)絡(luò )設計主要解決的問(wèn)題是隱層數設計和隱層節點(diǎn)設計。隱層數設計一般先考慮設一個(gè)隱層,當一個(gè)隱層節點(diǎn)數很多仍不能改善網(wǎng)絡(luò )性能時(shí),才考慮再增加一個(gè)隱層。隱層節點(diǎn)設計主要依據是訓練誤差最小時(shí)的隱節點(diǎn)數。

　　網(wǎng)絡(luò )訓練主要要解決的問(wèn)題是尋找最佳訓練次數,以獲得好的泛化能力。當測試誤差最小時(shí),停止訓練。

　　3案例分析

　　以國內一家總承包公司采用EPC模式實(shí)行總承包為例。共收集到24樣本,1個(gè)作為基本工程,20個(gè)作為訓練樣本,3個(gè)作為檢測樣本,運用MATLAB建立風(fēng)險加價(jià)費率預測模型。

　　3.1 確定輸入元素

　　結合本案例中項目的特點(diǎn),列出了具體的風(fēng)險因素(如圖2所示),并運用AHP計算出各因素的相對權重。最后根據權重排序,從17個(gè)因素中選取12個(gè)權重較大的輸入變量。

　　圖2 風(fēng)險因素

　　3.2 確定輸入輸出數據

　　輸入元素量化,先建立風(fēng)險清單,見(jiàn)表2。作為樣本工程識別風(fēng)險事件的參考依據。通過(guò)樣本風(fēng)險的識別、分析與評價(jià),確定所選樣本的自留風(fēng)險事件,并對風(fēng)險事件進(jìn)行評價(jià)分析。

　　3.3 網(wǎng)絡(luò )設計和訓練

　　運用MATLAB,建立單隱層模型,經(jīng)過(guò)訓練,網(wǎng)絡(luò )性能良好,并確定隱層節點(diǎn)數為10時(shí),訓練誤差最小。并經(jīng)過(guò)7000多次訓練后得到最小誤差。預測模型如圖3所示。

　　3.4 檢驗樣本預測

　　最后引用樣本數據進(jìn)行模型的檢測并發(fā)現,絕對誤差達到令人滿(mǎn)意的效果,預測值與實(shí)際值非常接近。見(jiàn)表4。

　　4結論

　　通過(guò)以上分析發(fā)現,BP神經(jīng)網(wǎng)絡(luò )對風(fēng)險加價(jià)費率預測具有一定的精準性,可以為承包商在投標報價(jià)時(shí)提供決策支持。

【基于BP神經(jīng)網(wǎng)絡(luò )的工程項目投標報價(jià)風(fēng)險加價(jià)預測研論文】相關(guān)文章：

基于BP神經(jīng)網(wǎng)絡(luò )的遙感影像分類(lèi)方法研究09-11

基于改進(jìn)BP的神經(jīng)網(wǎng)絡(luò )模型參考自適應控制05-23

基于RBF神經(jīng)網(wǎng)絡(luò )的水體富營(yíng)養化預測07-24

基于廣義回歸神經(jīng)網(wǎng)絡(luò )的經(jīng)濟預測模型研究07-10

基于粗集的神經(jīng)網(wǎng)絡(luò )的項目風(fēng)險的評估10-03

基于粗集的神經(jīng)網(wǎng)絡(luò )的項目風(fēng)險評估09-17

基于粗集神經(jīng)網(wǎng)絡(luò )的項目風(fēng)險評估08-04

基于BP神經(jīng)網(wǎng)絡(luò )的點(diǎn)狀地圖符號模式識別08-19

基于廣義回歸神經(jīng)網(wǎng)絡(luò )的黃金價(jià)格預測研究07-17

基于神經(jīng)網(wǎng)絡(luò )的無(wú)線(xiàn)市話(huà)話(huà)務(wù)量的預測與分析08-16