【摘要】：建筑施工企業(yè)在建筑市場扮演著極其重要的角色,作為建筑工程項目的直接生產(chǎn)者,其誠信水平直接影響著施工安全和工程質(zhì)量。本文基于工程項目的全生命周期對建筑施工企業(yè)誠信評價體系進行研究,主要研究內(nèi)容包含以下幾個方面。首先,以企業(yè)誠信數(shù)據(jù)模型作為評價模型的基礎(chǔ)支撐,從省級建筑市場誠信一體化平臺的數(shù)據(jù)庫中提取與建筑施工企業(yè)有關(guān)的誠信數(shù)據(jù),并通過數(shù)據(jù)的篩選、分類、約束,得到企業(yè)誠信評價所需的靜態(tài)基礎(chǔ)數(shù)據(jù)、動態(tài)業(yè)務(wù)數(shù)據(jù)和外部誠信評價數(shù)據(jù);通過對各省采用的企業(yè)誠信評價指標(biāo)的研究分析,構(gòu)建分層次的指標(biāo)體系模型,并給出評價指標(biāo)體系與基礎(chǔ)數(shù)據(jù)之間的映射關(guān)系。其次,基于本文的研究根本點和側(cè)重點,建立用于施工企業(yè)誠信評價的規(guī)則模型,結(jié)合基礎(chǔ)數(shù)據(jù)和指標(biāo)體系給出具體評價打分規(guī)則,用輸出結(jié)果定量描述企業(yè)的誠信水平。并通過對評價流程的研究建立施工企業(yè)誠信評價的過程模型,通過工作流、數(shù)據(jù)流、Petri網(wǎng)等約束了評價流程和步驟,保證了評價過程的科學(xué)合理。接下來在已經(jīng)建立的評價模型基礎(chǔ)上,從主觀偏好與客觀綜合、具體分值與等級分類的角度考慮,分別引入兩種算法求解模型。采用層次分析法得到基于主觀賦權(quán)法的具體誠信評價得分,采用BP神經(jīng)網(wǎng)絡(luò)算法得到基于客觀綜合評價的誠信等級分類。分別提出兩種算法的應(yīng)用優(yōu)化方向,并通過實例驗證了兩種算法的科學(xué)性和輸出結(jié)果的一致性。最后,基于.NET Win Form窗體技術(shù),應(yīng)用Visual Studio軟件、MATLAB軟件和SQL Server數(shù)據(jù)庫進行施工企業(yè)誠信評價管理系統(tǒng)的設(shè)計與開發(fā),對系統(tǒng)進行需求分析、結(jié)構(gòu)設(shè)計、功能設(shè)計等,實現(xiàn)對施工企業(yè)的誠信評價與監(jiān)管。本文對施工企業(yè)誠信的評價模型、評價算法和系統(tǒng)進行研究,并進行實例應(yīng)用與驗證,建立了較為科學(xué)、合理、有效的、基于項目全生命周期的建筑施工企業(yè)誠信評價體系。
【圖文】：

個數(shù)過少會導(dǎo)致各層信息傳輸不全面，個數(shù)過多則會增加運算量，降低學(xué)習(xí)效率。通常在應(yīng)用過程中，給定允許誤差后，希望 BP 神經(jīng)網(wǎng)絡(luò)收斂較快，故本文依據(jù)幾個經(jīng)驗公式確定隱含層神經(jīng)元個數(shù)的取值范圍，經(jīng)過測試取其中最優(yōu)解。本文所建立的基于 BP 神經(jīng)網(wǎng)絡(luò)的評價模型中，輸入層的神經(jīng)元個數(shù)為 45，輸出層的神經(jīng)元個數(shù)為 5，由公式 4-10、4-11、4-12，分別計算出隱含層節(jié)點的個數(shù)為：15、[8,17]、6，故依據(jù)經(jīng)驗公式，j 的取值區(qū)間為[6,17]。設(shè)定隱含層節(jié)點數(shù)由 6 至 17 遞增，選擇達到允許誤差范圍內(nèi)收斂速度最快的節(jié)點數(shù)為最優(yōu)。(2) 學(xué)習(xí)效率確定最后，學(xué)習(xí)效率的選擇影響著網(wǎng)絡(luò)收斂的速度。學(xué)習(xí)率設(shè)置偏小可以保證網(wǎng)絡(luò)收斂，但是收斂較慢。相反，學(xué)習(xí)率設(shè)置偏大則有可能使網(wǎng)絡(luò)訓(xùn)練不收斂，影響識別效果。下圖 4-4 顯示了將隱含層神經(jīng)元個數(shù)設(shè)置由 6 至 17 循環(huán)遍歷 5 次求均值的收斂時間比較結(jié)果，，顯然，當(dāng)隱含層個數(shù)為 8 時收斂最快。圖 4-5 顯示了學(xué)習(xí)效率由 0.01 至 0.5 之間取 12 個等分值輸出的結(jié)果，由圖易知，當(dāng)學(xué)習(xí)效率取 0.23 時收斂最快。

個數(shù)過少會導(dǎo)致各層信息傳輸不全面，個數(shù)過多則會增加運算量，降低學(xué)習(xí)效率。通常在應(yīng)用過程中，給定允許誤差后，希望 BP 神經(jīng)網(wǎng)絡(luò)收斂較快，故本文依據(jù)幾個經(jīng)驗公式確定隱含層神經(jīng)元個數(shù)的取值范圍，經(jīng)過測試取其中最優(yōu)解。本文所建立的基于 BP 神經(jīng)網(wǎng)絡(luò)的評價模型中，輸入層的神經(jīng)元個數(shù)為 45，輸出層的神經(jīng)元個數(shù)為 5，由公式 4-10、4-11、4-12，分別計算出隱含層節(jié)點的個數(shù)為：15、[8,17]、6，故依據(jù)經(jīng)驗公式，j 的取值區(qū)間為[6,17]。設(shè)定隱含層節(jié)點數(shù)由 6 至 17 遞增，選擇達到允許誤差范圍內(nèi)收斂速度最快的節(jié)點數(shù)為最優(yōu)。(2) 學(xué)習(xí)效率確定最后，學(xué)習(xí)效率的選擇影響著網(wǎng)絡(luò)收斂的速度。學(xué)習(xí)率設(shè)置偏小可以保證網(wǎng)絡(luò)收斂，但是收斂較慢。相反，學(xué)習(xí)率設(shè)置偏大則有可能使網(wǎng)絡(luò)訓(xùn)練不收斂，影響識別效果。下圖 4-4 顯示了將隱含層神經(jīng)元個數(shù)設(shè)置由 6 至 17 循環(huán)遍歷 5 次求均值的收斂時間比較結(jié)果，顯然，當(dāng)隱含層個數(shù)為 8 時收斂最快。圖 4-5 顯示了學(xué)習(xí)效率由 0.01 至 0.5 之間取 12 個等分值輸出的結(jié)果，由圖易知，當(dāng)學(xué)習(xí)效率取 0.23 時收斂最快。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TU71;TP311.52

【參考文獻】

相關(guān)期刊論文 前10條

1 閆瑾;;層次貝葉斯網(wǎng)絡(luò)聚類方法在上市公司信用風(fēng)險評估中的應(yīng)用[J];時代金融;2015年35期

2 曾光輝;;廈門市社會信用體系建設(shè)現(xiàn)狀及對策研究[J];廈門特區(qū)黨校學(xué)報;2015年04期

3 陳穎;;大數(shù)據(jù)技術(shù)下企業(yè)信用體系建設(shè)的研究——以建設(shè)企業(yè)信用大數(shù)據(jù)平臺為例[J];當(dāng)代經(jīng)濟;2015年23期

4 李紫旖;;美國企業(yè)信用立法以及融資經(jīng)驗分析[J];中國市場;2014年52期

5 同勤學(xué);王軍平;;構(gòu)建完善的建筑企業(yè)信用評價體系[J];中小企業(yè)管理與科技(下旬刊);2014年09期

6 付志霞;;基于BP神經(jīng)網(wǎng)絡(luò)的建筑施工企業(yè)信用評價模型研究[J];科技創(chuàng)新導(dǎo)報;2014年26期

7 王斌;;建筑市場信用體系制度建設(shè)的理論探索[J];城市;2014年08期

8 于巍;宋羽崢;;建筑施工企業(yè)的掛靠風(fēng)險的防范[J];建筑與預(yù)算;2014年06期

9 朱為民;;建筑業(yè)企業(yè)誠信信息平臺建設(shè)研究[J];江蘇建筑;2014年02期

10 吳晶妹;謝巧燕;;國際信用評級業(yè)的美式評級:認識與思考[J];首都師范大學(xué)學(xué)報(社會科學(xué)版);2014年02期

相關(guān)博士學(xué)位論文 前1條

1 陳楊楊;建筑施工企業(yè)信用治理研究[D];天津大學(xué);2014年

相關(guān)碩士學(xué)位論文 前1條

1 鄒汪平;基于粗糙集和二元語義的建筑施工企業(yè)信用評價研究[D];華東交通大學(xué);2017年

本文編號：2629091