欢迎来到天天文库
浏览记录
ID:34823412
大小:2.33 MB
页数:56页
时间:2019-03-11
《探究高速公路建设管理中承包商履约危机预警系统研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、武汉理工大学硕士学位论文高速公路建设管理中承包商履约危机预警系统研究姓名:汪洋申请学位级别:硕士专业:结构工程指导教师:杨德灿20060501武汉理工大学硕士学位论文摘要在高速公路建设过程中,承包商对工程项目的进度、费用、质量控制目标起着至关重要的作用。高速公路建设周期长,投资大,参与建设单位与建设人员多,业主对承包商管理的好坏决定了高速公路的质量与进度。本文提出一种针对承包商履约能力的管理方法一一即对承包商可能出现的履约危机进行预警,让管理单位提前发现承包商可能潜在的问题。通过对建设工程危机管理的深入研究,分析得出承包商在施工过程中
2、最能反映其运行状况的各种指标即承包商履约危机预警指标,并结合国内外研究将承包商履约危机预警警度等级划分为最差、较差、中等、良好、正常5级。人工神经网络具有良好的处理非线性的能力,通过人工神经网络的自学习能力来建立输入变量与输出变量间的非线性关系,采用人工神经网络作为解决承包商履约危机的是非常合适的。通过确定预警指标、划分预警警度,建立基于BP人工神经网络的预警模型。运用MATLAB软件中的神经网络工具箱对该预警模型进行模拟构建,通过一定样本数据训练构建好的网络,使网络对未知样本有较好的认识能力。再通过MATLAB软件确定网络所需的各个
3、参数,为自主开发高速公路承包商履约危机预警系统打下理论基础。按照高速公路建设管理承包商履约危机预警指标采集4组承包商现阶段施工状况数据,通过己开发好的预警系统分析这4组数据,得出承包商现阶段运行状况结果。系统所得出的结果与业主、总监办对承包商实际运行状况判断的结果基本一致。预警模型对已知的样本数据可以完全判别,在初步使用后对未知样本数据的基本判断准确。通过快速开发软件DELPHI在计算机上完成基于该模型的预警系统开发,该系统对已知样本数据同样可以完全判别,对未知样本准确率也比较高。关键词:高速公路:承包商;履约;危机;预警系统;BP神
4、经网络壁堡堡三盔堂堡主兰堡堡奎AbstractInconstmctionmanagementofexpressways,thecontractortothecontrolgoaloftheprojectprogress,theprojectcostsandtheprojectqualityisplayingaveryimponantrole.Theconstructioncycleofexpresswaysislong,theexpresswaysconstructioninvestsinab培way,manyconstruction
5、co瑚【paniesandconstnlctionperso衄elparticipateintheconstmctionexpressways,theownermanagesmecontractorhasdecidedtheexpresswayqualityandtheprogress.ThispaperputforwardanewmethodtosolVetheproblemsofperformancecrisesofcontractorsinconstnJctionmanagementofexpressways.Theadmini
6、s打atorcaIlearlydiscoverperf0Hnancecrisesofcontractors.TheperfomaIlcecrisesofcontractorscanbefoundbythismethod.Themethodisearlywaming.westudytheconstructionprojectcrisestheory,wecanhaveaconcIusiontheindexesthatcanresponsetheoperationofcontractorsconditionsinexpresswaysco
7、nstmction,theseindexesareearly—warningindexescaIlbeusedandearly-wamingintensityarediVided5gradethatisworst,misses,medium,goodandnoHnalinthispaper.Theartificialneuralnetworkshavegoodprocessingnon-linearability,thenon-linearrelationsoftheinputVariableandoutputvariablecanb
8、eestablishedthrou曲theartincialneuralnetworksfromtheleamingc印ability'Usethearti矗cialneuralnetworksachievementto
此文档下载收益归作者所有