中国林业生态工程项目风险管理研究

论文摘要

本研究在借鉴一般风险管理方法和管理理论的基础上,结合林业生态工程的特点,对项目风险的内涵、特征、分类以及数量表征等林业生态工程项目风险管理所涉及的基本理论问题进行了分析和探讨。研究提出了全面的风险管理思想,认为林业生态工程项目风险管理应当是全过程的、全部内容的、全方位的、全员性的、和全面措施的综合性风险管理。在此基础上,研究从过程控制体系、环境监测体系、管理组织体系、管理技术体系、管理机制体系多个方面综合考虑,构建了多维的林业生态工程项目风险管理体系,并对林业生态工程项目风险管理中使用的风险回避、风险转移、风险自留和风险损失控制等策略进行了详细论述。通过以上三个层次的探讨,研究形成了相对完整的林业生态工程项目风险管理理论体系。研究构建了系统的林业生态工程项目风险管理的方法和模型。①首先,在林业生态工程项目风险识别的过程中,研究构建了基于特征映射理论的风险识别模型,从风险管理的目标入手,借助于直接映射、投影映射、分解映射、组合映射等多种映射形式,将风险管理目标特征域中的元素映射到风险因素特征域,从而保证风险识别的科学性、完整性和有效性。②在风险评判的过程中,研究利用人工神经网络技术和模糊系统理论,构建了基于“BP神经网络-模糊系统”串联模式的林业生态工程项目风险综合评判模型,从而有效地解决了项目风险的复杂性和非线性带来的多指标综合评价难题,并使用“相对属于”的概念使得风险等级的评判结果更加趋于合理。③在风险的监控阶段,研究提出了构建基于WEBGIS风险监测预警系统的基本思路,并对其中的主要功能模块进行了初步设计。该模型为林业生态工程项目风险的监测、预报、险情发布等主要环节提供了良好的工作平台。以上三个主要模型的构建,从风险管理流程的角度形成了相对完整的风险管理模型体系,既是技术上的探讨,也是方法上的创新。研究以天然林资源保护工程为例,展开了实证分析。研究从天保工程的现状和存在的问题入手,确定了项目风险管理目标特征域,并基于特征映射模型建立了风险因素特征域,构建了风险评价指标体系。在此基础上,研究以国家林业局《林业重点生态工程社会经济效益监测》最近4年近46000多条监测数据为基础,选取栾川、卢氏、武隆等26个指标数据相对完整的监测县作为样本,基于MatLab的开发平台通过编写程序对研究所建立的天保工程项目风险评价三层BP神经网络模型进行了训练,并利用训练后的网络进行了天保工程项目风险的多指标综合评价。研究进一步利用模糊系统理论,确定了天保工程项目风险综合值（即BP网络的计算输出值）的风险等级隶属度,并据此进行了风险强度模式识别,从而对样本县的天保工程项目风险等级作出了评判。开展天保工程项目风险实证分析,一方面对本研究所确立林业生态工程项目风险识别模型和风险综合评判模型的可操作性及有效性进行了较好的验证,另一方面也为其他林业生态工程项目风险的管理提供了可借鉴的实践经验。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究目的与意义
• 1.2.1 研究的目的
• 1.2.2 研究的意义
• 1.3 国内外相关研究综述与评价
• 1.3.1 林业生态工程国内外研究现状
• 1.3.1.1 国外林业生态工程研究现状
• 1.3.1.2 国内林业生态工程研究现状
• 1.3.2 风险管理国内外发展历程及研究现状
• 1.3.2.1 国外风险管理发展历程及研究现状
• 1.3.2.2 国内风险管理发展历程及研究现状
• 1.4 研究内容及技术路线
• 1.4.1 研究内容和框架
• 1.4.2 技术路线
• 第2章 林业生态工程项目风险管理理论基础
• 2.1 林业生态工程项目风险内涵
• 2.1.1 项目风险的基本内涵
• 2.1.2 林业生态工程项目风险的界定
• 2.2 林业生态工程项目风险特征分析
• 2.2.1 风险存在的客观性
• 2.2.2 风险系统的复杂性
• 2.2.3 风险的并发性
• 2.2.4 风险的动态性
• 2.3 林业生态工程项目风险分类
• 2.3.1 环境风险
• 2.3.2 过程风险
• 2.4 林业生态工程项目风险的数量表征
• 2.4.1 风险的一般数量表征方式
• 2.4.2 林业生态工程项目风险表征方法
• 2.5 林业生态工程项目风险管理内涵及实施步骤
• 2.5.1 林业生态工程项目风险管理内涵
• 2.5.1.1 一般项目风险管理
• 2.5.1.2 林业生态工程项目风险管理
• 2.5.2 林业生态工程项目风险管理实施步骤
• 2.6 本章小结
• 第3章 基于特征映射的林业生态工程项目风险识别
• 3.1 项目风险识别方法概述
• 3.2 基于特征映射的风险识别模型
• 3.2.1 特征映射理论基础
• 3.2.2 特征映射的形式
• 3.2.3 风险识别特征映射模型
• 3.3 目标导向的林业生态工程项目风险识别
• 3.3.1 林业生态工程项目风险识别流程
• 3.3.2 林业生态工程项目风险识别信息源
• 3.3.3 林业生态工程项目风险管理目标特征域
• 3.3.4 林业生态工程项目风险因素特征域
• 3.3.5 林业生态工程项目风险指标体系的构建
• 3.4 本章小结
• 第4章 基于 BP 网络-模糊系统串联模型的林业生态工程项目风险综合评判
• 4.1 项目风险评价方法综述
• 4.1.1 项目风险评价方法和工具
• 4.1.2 项目风险评价方法比较
• 4.2 人工神经网络的理论基础
• 4.2.1 人工神经网络的特点
• 4.2.2 人工神经网络的基本原理
• 4.2.3 人工神经网络的拓扑结构及网络类型
• 4.2.4 人工神经网络的学习方法
• 4.2.4.1 学习方式
• 4.2.4.2 学习算法（学习规则）
• 4.3 模糊系统理论
• 4.3.1 模糊集合
• 4.3.2 隶属函数
• 4.3.3 模糊模式识别
• 4.4 人工神经网络与模糊系统的结合
• 4.4.1 结合的可能性
• 4.4.2 结合的形式
• 4.5 林业生态工程项目风险综合评判模型的构建
• 4.5.1 林业生态工程项目风险综合评判模型的构建
• 4.5.2 BP 神经网络的构造
• 4.5.2.1 BP 网络的主要能力
• 4.5.2.2 BP 网络模型
• 4.5.2.3 BP 学习算法
• 4.5.2.4 BP 算法的程序实现
• 4.5.3 模糊系统的建立
• 4.6 本章小结
• 第5章 实证分析：天保工程项目风险识别与评判
• 5.1 天然林资源保护工程概况
• 5.1.1 天然林资源保护工程的内涵和特点
• 5.1.2 天然林资源保护工程存在的主要问题
• 5.2 天然林资源保护工程项目风险识别
• 5.2.1 风险管理目标层次结构分解图（RMOBS）
• 5.2.2 天然林资源保护工程风险因素特征域
• 5.2.3 天然林资源保护工程项目风险评价指标体系
• 5.2.3.1 专家问卷调查
• 5.2.3.2 风险评价指标体系
• 5.3 天然林资源保护工程项目风险评价
• 5.3.1 数据采集与处理
• 5.3.2 BP 网络的构建及风险综合评价
• 5.3.2.1 BP 网络结构设计
• 5.3.2.2 BP 网络训练与测试
• 5.3.2.3 BP 网络计算及结果分析
• 5.3.3 模糊系统的构建及风险等级评判
• 5.3.3.1 隶属函数的构建及求解
• 5.3.3.2 模糊模式识别
• 5.4 本章小结
• 第6章 林业生态工程项目风险控制和防范
• 6.1 林业生态工程项目风险监测与预警
• 6.2 林业生态工程项目风险管理体系的构建
• 6.2.1 构建原则
• 6.2.2 构建思想
• 6.2.3 林业生态工程项目风险管理体系
• 6.2.3.1 过程控制体系
• 6.2.3.2 环境监测体系
• 6.2.3.3 风险管理组织体系
• 6.2.3.4 风险管理技术体系
• 6.2.3.5 风险管理机制体系
• 6.3 林业生态工程项目风险策略选择
• 6.3.1 风险回避
• 6.3.2 风险转移
• 6.3.3 损失控制
• 6.3.4 风险自留
• 6.4 本章小结
• 第7章 研究结论与展望
• 7.1 研究总结
• 7.2 研究的创新之处
• 7.3 研究的不足与展望
• 参考文献
• 附录
• 附录1 天保工程项目风险指标原始值
• 附录2 天保工程项目风险因素数量表征
• 作者简介
• 导师简介
• 获得成果目录清单
• 致谢