基于BP神經(jīng)網(wǎng)絡(luò)的工程項(xiàng)目投標(biāo)報(bào)價風(fēng)險加價預(yù)測研論文
[摘要]工程報(bào)價確定時,其加價部分須考慮風(fēng)險費(fèi)用。本文分析了BP神經(jīng)網(wǎng)絡(luò)在風(fēng)險加價預(yù)測中的運(yùn)用,并引入實(shí)際工程,運(yùn)用MATLAB軟件,對其風(fēng)險加價費(fèi)率進(jìn)行預(yù)測。
[關(guān)鍵詞]BP神經(jīng)網(wǎng)絡(luò);投標(biāo)報(bào)價;風(fēng)險加價
1引 言
工程投標(biāo)承包是一項(xiàng)風(fēng)險型事業(yè),具有淘汰、激勵和調(diào)節(jié)三個基本功能,其風(fēng)險和利潤并存。中國際勞工組織專家Baldwin A.N.,McCaffer R.和Oteifa S.A.指出,工程報(bào)價確定時,其加價部分須考慮風(fēng)險費(fèi)用,合理確定風(fēng)險加價費(fèi)用,而決策的正確程度會直接影響中標(biāo)率和利潤回報(bào)。風(fēng)險加價費(fèi)用是指承包商對自留風(fēng)險損失的補(bǔ)償,確定時應(yīng)綜合考慮投標(biāo)承包該項(xiàng)目全過程的期望風(fēng)險損失值。
2BP神經(jīng)網(wǎng)絡(luò)職稱論文
本文將采用BP網(wǎng)絡(luò)對風(fēng)險加價費(fèi)用進(jìn)行預(yù)測。
2.1 輸入元素選擇與量化
輸入元素選擇時要注意的是,當(dāng)不能提供較多訓(xùn)練樣本時,必須設(shè)法減少樣本維數(shù)。故本文將引入AHP對風(fēng)險因素進(jìn)行權(quán)重計(jì)算,通過排序,選取權(quán)值較大的作為輸入元素。并建立相應(yīng)的風(fēng)險因素清單,合理估計(jì)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)對比的`重要程度用標(biāo)度來表示,標(biāo)度取值范圍為[0,9],通過標(biāo)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(shè)計(jì)和訓(xùn)練
網(wǎng)絡(luò)設(shè)計(jì)主要解決的問題是隱層數(shù)設(shè)計(jì)和隱層節(jié)點(diǎn)設(shè)計(jì)。隱層數(shù)設(shè)計(jì)一般先考慮設(shè)一個隱層,當(dāng)一個隱層節(jié)點(diǎn)數(shù)很多仍不能改善網(wǎng)絡(luò)性能時,才考慮再增加一個隱層。隱層節(jié)點(diǎn)設(shè)計(jì)主要依據(jù)是訓(xùn)練誤差最小時的隱節(jié)點(diǎn)數(shù)。
網(wǎng)絡(luò)訓(xùn)練主要要解決的問題是尋找最佳訓(xùn)練次數(shù),以獲得好的泛化能力。當(dāng)測試誤差最小時,停止訓(xùn)練。
3案例分析
以國內(nèi)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個作為基本工程,20個作為訓(xùn)練樣本,3個作為檢測樣本,運(yùn)用MATLAB建立風(fēng)險加價費(fèi)率預(yù)測模型。
3.1 確定輸入元素
結(jié)合本案例中項(xiàng)目的特點(diǎn),列出了具體的風(fēng)險因素(如圖2所示),并運(yùn)用AHP計(jì)算出各因素的相對權(quán)重。最后根據(jù)權(quán)重排序,從17個因素中選取12個權(quán)重較大的輸入變量。
圖2 風(fēng)險因素
3.2 確定輸入輸出數(shù)據(jù)
輸入元素量化,先建立風(fēng)險清單,見表2。作為樣本工程識別風(fēng)險事件的參考依據(jù)。通過樣本風(fēng)險的識別、分析與評價,確定所選樣本的自留風(fēng)險事件,并對風(fēng)險事件進(jìn)行評價分析。
3.3 網(wǎng)絡(luò)設(shè)計(jì)和訓(xùn)練
運(yùn)用MATLAB,建立單隱層模型,經(jīng)過訓(xùn)練,網(wǎng)絡(luò)性能良好,并確定隱層節(jié)點(diǎn)數(shù)為10時,訓(xùn)練誤差最小。并經(jīng)過7000多次訓(xùn)練后得到最小誤差。預(yù)測模型如圖3所示。
3.4 檢驗(yàn)樣本預(yù)測
最后引用樣本數(shù)據(jù)進(jìn)行模型的檢測并發(fā)現(xiàn),絕對誤差達(dá)到令人滿意的效果,預(yù)測值與實(shí)際值非常接近。見表4。
4結(jié)論
通過以上分析發(fā)現(xiàn),BP神經(jīng)網(wǎng)絡(luò)對風(fēng)險加價費(fèi)率預(yù)測具有一定的精準(zhǔn)性,可以為承包商在投標(biāo)報(bào)價時提供決策支持。
【基于BP神經(jīng)網(wǎng)絡(luò)的工程項(xiàng)目投標(biāo)報(bào)價風(fēng)險加價預(yù)測研論文】相關(guān)文章：
1.基于改進(jìn)BP的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制
2.投標(biāo)報(bào)價機(jī)電設(shè)備論文
3.探討B(tài)P神經(jīng)網(wǎng)絡(luò)的圖像Hash算法
4.基于管理會計(jì)理論的電廠報(bào)價決策系統(tǒng)論文
6.BP神經(jīng)網(wǎng)絡(luò)的電力企業(yè)信息化水平評價指標(biāo)體系工學(xué)論文