基于BP神经网络的施工总承包企业资质评价研究

基于BP神经网络的施工总承包企业资质评价研究

论文摘要

目前,我国建筑业企业资质管理存在着诸如:资质管理规定过细、等级要求过高、资质标准要求不统一、资质挂靠情况严重、资质管理对产业结构的调整作用不强、资质管理针对从业人员素质偏低没有发挥足够的效力等方面的问题。本文在研究国内外建筑业企业资质管理现状的基础上尝试采用定量化评价模型评价施工总承包企业的资质水平。希冀通过定量化的资质评价模式达到进一步贯彻落实有关法律法规,维护我国建筑市场秩序,全面提高我国施工总承包企业的国际竞争力,进一步完善企业资质等级的评价机制的目的。本文主要内容有四个方面。首先,本文通过问卷调查法深入挖掘我国目前尚存的建筑业企业资质管理问题,通过对比分析法研究了国外建筑业资质资格管理现状。在我国国情的基础上吸收国外先进经验,为资质评价指标的建立提供了思路,奠定了基础。其次,在研究我国资质管理法律法规和国外先进经验的基础上,利用鱼骨刺分析法,初步建立三层评价指标体系。通过两阶段问卷调查,运用统计学分析法筛选指标。指标体系包括反映施工总承包企业资质水平的19项相对独立的因素,达到了综合反映企业的资金水平、财务现状、人员素质水平和科技水平等方面的情况。再次,运用BP神经网络算法建立定量化评价施工总承包企业资质水平的模型,经过反复实验,确定模型的训练函数和各项参数。模型采用MATLAB软件实现,得出的结果是被评价企业的资质分数(采用百分制),根据分数界定企业资质的优秀、良好、一般、较差很差五个级别。最后,在走访调查和网络资源搜集的基础上收集天津市某施工总承包企业的基本情况,从中抽取资质评价指标的原始数据,利用本文建立的资质企业评价模型评价该算例企业的资质水平,得出资质得分及评价。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 问题的提出
  • 1.1.1 研究背景
  • 1.1.2 研究目的及意义
  • 1.2 文献综述
  • 1.2.1 资质资格管理综述
  • 1.2.2 评价方法综述
  • 1.3 研究方法及内容
  • 1.3.1 研究方法
  • 1.3.2 本文内容及结构安排
  • 第二章 国内外建筑业企业资质管理现状分析
  • 2.1 国内施工总承包企业资质管理现状
  • 2.1.1 我国建筑业企业资质管理发展历程
  • 2.1.2 我国建筑业企业资质管理调查分析
  • 2.2 国外建筑业资质管理现状
  • 第三章 施工总承包企业资质评价指标
  • 3.1 指标体系的设计原则
  • 3.2 评价指标的初选
  • 3.2.1 初选依据和方法
  • 3.2.2 初选结果
  • 3.3 评价指标的筛选
  • 3.3.1 第一阶段调查问卷的设计
  • 3.3.2 调查问卷数据分析
  • 3.3.3 评价指标的确定
  • 3.4 样本指标和检测指标数据收集
  • 3.4.1 第二阶段调查问卷的设计
  • 3.4.2 调查问卷数据分析
  • 3.4.3 调查问卷数据标准化
  • 第四章 施工总承包企业资质评价模型
  • 4.1 BP神经网络的基本原理
  • 4.1.1 BP神经网络结构
  • 4.1.2 BP神经网络算法
  • 4.2 企业资质评价模型的构建
  • 4.2.1 模型构建
  • 4.2.2 模型检测
  • 4.3 模型的MATLAB程序实现
  • 4.3.1 MATLAB软件程序
  • 4.3.2 运行结果分析
  • 第五章 算例分析
  • 5.1 算例企业的基本情况
  • 5.2 算例企业资质评价及结果分析
  • 第六章 总结与展望
  • 6.1 本文主要结论
  • 6.2 本文研究的局限性
  • 6.3 进一步研究建议
  • 参考文献
  • 附件
  • 发表论文和参加科研情况说明
  • 致谢
  • 相关论文文献

    • [1].基于BP神经网络对地震前兆的研究[J]. 科学技术创新 2019(33)
    • [2].基于BP神经网络的涡轴发动机故障诊断研究[J]. 智库时代 2019(52)
    • [3].基于BP神经网络的磁流变阻尼器逆向模型研究[J]. 海军工程大学学报 2019(06)
    • [4].基于BP神经网络的电梯噪声评价方法[J]. 数字技术与应用 2019(12)
    • [5].基于BP神经网络和支持向量机的荨麻疹证候分类探讨[J]. 广州中医药大学学报 2020(03)
    • [6].基于BP神经网络代理模型的交互式遗传算法[J]. 计算机工程与应用 2020(02)
    • [7].基于BP神经网络的虚拟机评估[J]. 数字通信世界 2020(01)
    • [8].基于BP神经网络的科研项目经费管理风险评估[J]. 财务与会计 2019(22)
    • [9].基于BP神经网络的断层封闭性评价[J]. 复杂油气藏 2019(04)
    • [10].基于BP神经网络识别的曲堤油田低阻油层研究[J]. 宁夏大学学报(自然科学版) 2020(01)
    • [11].基于贝叶斯-BP神经网络的机械制造企业安全预警方法研究[J]. 安全与环境工程 2020(01)
    • [12].基于BP神经网络的扇区空管运行亚健康关联因子预测[J]. 安全与环境工程 2020(02)
    • [13].基于改进灰狼算法优化BP神经网络的短时交通流预测模型[J]. 交通运输系统工程与信息 2020(02)
    • [14].心理护理对于双相情感障碍(BP)病患认知功能产生的影响[J]. 临床医药文献电子杂志 2020(08)
    • [15].BP神经网络在雷达故障诊断中的应用[J]. 通信电源技术 2020(06)
    • [16].基于BP人工神经网络的英那河流域径流模拟研究[J]. 黑龙江水利科技 2020(03)
    • [17].基于BP神经网络的节能车弯道降速数学模型分析[J]. 汽车实用技术 2020(10)
    • [18].基于BP神经网络的临床路径优化[J]. 计算机技术与发展 2020(04)
    • [19].基于改进BP神经网络的羊肉价格预测[J]. 计算机仿真 2020(04)
    • [20].财务BP在企业管理中的应用与研究[J]. 商场现代化 2020(07)
    • [21].人工智能技术的热带气旋预报综述(之一)——BP神经网络和集成方法的热带气旋预报研究和业务应用[J]. 气象研究与应用 2020(02)
    • [22].基于改进BP神经网络的岩心图像分割方法研究[J]. 西安石油大学学报(自然科学版) 2020(04)
    • [23].基于BP神经网络的光纤陀螺误差补偿方法[J]. 物理与工程 2020(04)
    • [24].基于主成分分析和BP神经网络对大学生价值观的研究[J]. 科技经济导刊 2020(20)
    • [25].基于粒子群算法的BP模型在地下水位埋深预测研究中的应用[J]. 吉林水利 2020(08)
    • [26].基于BP神经网络的煤炭企业人岗匹配研究[J]. 煤炭经济研究 2020(07)
    • [27].基于改进BP神经网络的飞行落地剩油预测方法[J]. 飞行力学 2020(04)
    • [28].基于BP神经网络的网络安全态势预测[J]. 网络安全技术与应用 2020(10)
    • [29].以财务BP制度推进“业财融合”的研究[J]. 中国总会计师 2020(09)
    • [30].财务BP的企业实践研究[J]. 现代国企研究 2019(04)

    标签:;  ;  ;  ;  

    基于BP神经网络的施工总承包企业资质评价研究
    下载Doc文档

    猜你喜欢