基于BP神经网络的公路建设项目投资风险评价研究

利用德尔菲法,确定了公路建设项目投资风险评价指标体系。基于风险因素的非线性特征,使用Matlab软件神经网络工具箱,构建了公路建设项目BP神经网络投资风险评价模型。在江西境内的JL高速公路项目投资风险评价中实际使用该模型,验证了其有效性。     

基于RBF神经网络的建设项目的投资风险评价模型

建设项目建设中存在各种各样的风险,科学的风险评价方法在项目的投资决策中显得尤为重要。文章介绍一种基于径向基函数(RBF)神经网络风险评价方法。首先阐述RBF神经网络的原理,然后结合实例建立基于RBF的风险评价模型,仿真模型表明该模型的结果满足项目投资风险评价要求,具有一定的参考价值。     

基于模糊综合评价的BOT境外水电项目投资风险评价

针对传统的单纯定性研究方法的不足,将模糊综合评价法应用于BOT境外水电项目投资风险评价之中,通过对已有风险因素的梳理,并引入新的风险因素,建立了较为完善的模糊综合评价模型,使项目风险评价的定量研究更进一步.结合具体的BOT境外水电站项目进行了实证分析,从而对该方法的可行性和有效性进行了验证,结果表明该方法可以达到有效评价BOT境外水电项目投资风险的目的.     

基于BP神经网络对BT项目风险的评价

BT融资模式是加快城镇化发展过程中,大型基础设施项目建设的主要融资方式,准确地对BT工程项目的风险等级进行评价,有助于降低投资人的风险损失。为了更好地评价BT工程项目的风险等级,克服传统风险分析方法的不足,建立BP神经网络模型。本文以A市地铁BT工程项目为例,首先建立该项目的风险评价指标体系,然后确定合适的BP神经网络模型参数。在大量经验数据的基础上,对BP神经网络模型进行了训练与检测,通过试验发现构建18-17-1三层BP神经网络模型对风险等级的评价结果精度最高。最后通过此模型对A市地铁BT工程项目的风险等级进行了评价,取得较好的效果。     

基于ANN-CVaR模型的住宅投资风险评价研究

商品住宅的开发投资风险越来越大,建立有效的评价方法和模型已经迫在眉睫。文章定性分析和定量测算相结合,使用BP神经网络和条件在险价值,构建了商品住宅开发投资的风险评价模型。通过整合BP神经网络和CVaR模型的优点,更真实准确地反映住宅投资风险,并做了实证研究。该模型在判断出风险程度的同时给出风险来源,指导商品住宅的投资决策,还为以后研究商品住宅开发投资风险提供了新思路。     

基于模糊综合评价法的房地产投资风险评价

从经济风险、社会风险、管理风险、环境风险四个方面建立了项目投资风险多层次评价指标体系。用层次分析法计算了各级指标的权重,运用了模糊综合评价方法对房地产项目投资进行风险评价,建立了模糊综合评价数学模型,提出一种基于模糊综合评价模型的定量化研究方法,并指出本模型能够综合评价开发项目的风险程度,对于预测开发项目风险程度具有较高的实用价值。     

基于BP神经网络模型的建筑工程项目风险评价

为了适应现代化建筑工程项目风险评价的要求,需要建立一个合理的风险评价指标体系与一个有效的风险评价模型。首先分析了一般的风险评价模型的优缺点,确定了以层次分析法与BP神经网络相结合的风险评价模型;其次根据现代化建筑工程项目的特点建立了合理的风险评价指标体系,再次说明了评价指标体系与风险程度相关性表示的方法;最后建立了合理的BP神经网络模型。     

基于模糊层次分析法的代建单位风险评价研究

“代建制”是我国近十年来对政府投资项目传统管理体制改革的产物,具有突出的先进性,能够有效提高政府投资项目的管理水平和投资效益。文章立足于代建单位,分析了代建单位风险评价的意义,利用风险分解结构法对代建单位风险进行了识别,并提出了一种基于层次分析法、Delphi法和模糊数学理论相结合的风险评价方法,建立了代建单位风险因素集和评语集,确定出各因素权重和评判矩阵,构建出模糊评价模型。论文以江苏省某代建项目为例验证了该风险评价方法;评价结果具有参考价值,可以推广使用。     

装配式建筑项目投资风险评价

推行装配式建筑是建筑产业化的必然趋势。与传统建筑相比,装配式建筑不仅在施工和技术等方面有所不同,在投资风险管理,以及投资风险评价指标的选用上也存在差异。从政策、市场、技术、经济及管理 5 个层面进行投资风险影响剖析,据此建立装配式建筑项目投资风险评价体系。通过问卷调研以及 SEM 结构方程模型拟合,得出相应的评价指标权重,并结合案例,实现对装配式项目投资风险的定量评价,为装配式项目的投资风险评价提供了参考依据。     

基于SVM 的海上风电项目运行期风险评价

海上风电项目投资成本高、运行环境复杂,为了有效预防控制其运行期风险,降低风险损失,提出了基于SVM（支持向量机）的海上风电项目运行期风险评价方法。在建立海上风电项目运行期风险评价指标的基础上,运用支持向量机理论构建海上风电项目运行期风险评价模型,通过具体项目数据分析其预测准确性。通过实证分析表明,在实际项目风险评价过程中,支持向量机的方法比传统评价方法更便捷、精确度更高,能够为海上风电项目运行期风险管理提供可靠依据。     

基于 BAS-SCA-BP 模型的高校建筑工程项目投资估算研究

针对标准BP 神经网络建筑工程项目投资估算模型收敛速度慢、预测精度低的问题,提出融合改进天牛须和正余弦双重优化算法（BAS-SCA）优化BP 神经网络的建筑工程项目投资估算模型。以某市高校建筑工程项目为研究对象,分析相关文献并结合显著性理论初步选择工程造价影响因子,利用粗糙集属性约简算法筛选出关键因素;基于此,通过构建基于BAS-SCA-BP 的神经网络估算模型实现快速、准确的建筑工程投资估算。研究结果表明:基于BAS-SCA-BP 的估算模型较标准BP 神经网络估算模型的估算精度有了大幅提高,与其他智能算法改进的BP 神经网络估算模型的性能相比较,该模型在稳定性和预测精度方面表现更佳。     

基于 SVR 的工程建设项目快速投资估算方法研究

在建设项目前期,如何快速而准确地估算工程项目的造价,对项目的投资决策具有很大的意义。针对传统造价估算 方法的不足之处,采用 SPSS 统计分析软件进行工程造价指标的相关性分析及指标体系选取,将之作为输入变量,使用真实 案例训练集样本训练 SVR 模型并进行仿真模拟预测。为了验证提出的 SVR 模型的有效性,引入 BP 人工神经网络来进行预 测结果的对比验证。结果表明,SVR 模型得到的预测值平均绝对百分比误差约为 5%,拟合优度 R2高达 0.97,远小于 BPNN 模型的预测误差 14%,即提出的 SVR 估算模型要比 BP 人工神经网络预测模型具有更良好的泛化能力,预测精度更高,因 此其在工程项目前期投资估算实践中具有一定的现实意义。     

A Model for Updating Project S-curve by Using Neural Networks and Matching Progress

The S-curve is commonly used for project planning and control, but the traditional schedule-based method for estimating S-curves is not always accurate, so many alternative empirical models have been suggested as an aid. Using a polynomial function for generalizing S-curves, an earlier research developed a neural network model that maps the function parameters from project attributes for obtaining a preliminary S-curve estimate. To produce a subsequent S-curve estimate during construction, this research first adopts the concept of case-based reasoning and proposes a progress-matching method based entirely on matching actual progress so far against S-curves of historical cases and using similar ones for estimation. Then, to improve it, a model combining the preliminary estimate from the neural network model and the subsequent estimate from the progress-matching method is proposed. The two estimates are assigned gradually decreasing and increasing weights, respectively, in successive S-curve updates as the percent project time increases. Tests found that using such an integration model can produce accurate S-curves in the beginning or middle of a project, indicating that it can be used to help the schedule-based method in project control during construction.     

基于 LCC 的废弃物处理 PPP 模式投资风险评价

目前对废弃物处理 PPP 模式的研究引起社会关注,由于废弃物处理项目运营实施具有周期长、涉及合作方多、投资回收期长、不确定性因素多等特点,投资者面临较高的投资风险。基于项目全寿命周期理论提出了项目建设、项目运营、项目财务、宏观环境 4 个方面一级风险评价指标,以及其下 17 个二级风险指标。基于 AHP 法和模糊综合评价法对识别出的风险进行评价,分析了各种风险因素对项目成功实施的影响程度。并针对主要风险因素提出了相应的可操作性建议,以期能够帮助投资者提供投资参考依据。     

BT项目投资建设——回购合同的风险分析

随着我国工程建设领域投融资体制的改革,越来越多的基础设施等项目,开始采用建设——转让即BT模式进行建设。通过对当前BT项目投资建设——回购合同的风险进行分析和分层归类,并建立风险评价指标体系。将BP神经网络算法引入BT项目对投资建设——回购合同条件进行风险评价,通过分析得出政府方的支付担保条款是使BT合同能够成立的关键性因素。并对政府方担保进行结构设计。提出有关BT项目运行期间各方应就可能发生的工程纠纷问题都要进行沟通,并应在BT合同中给以明确约定的建议,以做到提前规避风险。     

人工神经网络模型用于纤维混凝土设计

本文采用人工神经网络模型,建立了聚丙烯纤维混凝土各个组分与混凝土后期性能的复杂的非线性关系,具有较高的精度,是聚丙烯纤维混凝土配合比设计的一种理想方法。     

新农村住宅建筑节能评价模型研究

结合当前我国关于住宅建筑节能的研究主要是针对城市地区,关于社会主义新农村建设进程中农村住宅建筑节能方面的研究相对不足的现状,以及广大农村地区本身的社会经济和资源环境特点,在现有研究基础上建立了新农村住宅建筑节能的初始评价指标体系,并结合层次分析法和熵值法的组合赋权结果对其进行筛选和优化,进而保证合理性。最后利用BP神经网络的方法,建立新农村住宅建筑节能评价模型。实例仿真结果表明,该模型可以取得较为理想的评价精度和良好的适用性。