X公司工程質(zhì)量風險管理指標體系研究
發(fā)布時間:2021-08-20 04:18
工程建設(shè)項目需要耗費大量的人力、物力和財力,且建設(shè)和使用周期較長,一旦工程質(zhì)量出現(xiàn)問題,不僅影響其自身功能的發(fā)揮,還會對人身和財產(chǎn)安全造成巨大的威脅。近年來,我國工程質(zhì)量風險問題頻發(fā),因此,工程質(zhì)量風險成為了相關(guān)學術(shù)領(lǐng)域的研究熱點。然而,我國在質(zhì)量風險管理方面的研究起步較晚,與國外相比,發(fā)展進程也相對緩慢,尚未形成完善的管理制度和評價體系,且大部分研究缺乏足夠的數(shù)據(jù)支撐。本文主要采用理論研究與實證分析相結(jié)合的方法,對工程質(zhì)量風險管理進行研究分析,以期為提高我國的質(zhì)量風險管理水平提供借鑒。本文首先依據(jù)我國工程質(zhì)量風險管理的現(xiàn)狀提出問題,確定研究方向;其次對質(zhì)量風險管理的相關(guān)理論進行闡述,對比分析國內(nèi)外工程質(zhì)量風險管理現(xiàn)狀,介紹主成分分析法和BP神經(jīng)網(wǎng)絡(luò)及其在工程質(zhì)量風險管理方面的應(yīng)用;再次根據(jù)工程質(zhì)量風險的特點,建立了基于BP神經(jīng)網(wǎng)絡(luò)的工程質(zhì)量風險管理模型;最后對X公司工程項目的質(zhì)量風險進行分析,針對結(jié)果提出相應(yīng)措施和建議。本文得出如下研究結(jié)論:(1)通過利用所建立的質(zhì)量風險指標體系和基于BP神經(jīng)網(wǎng)絡(luò)的工程質(zhì)量風險管理模型可以對不同工程項目的整體風險等級進行有效預測;(2)研究發(fā)現(xiàn)X公司...
【文章來源】:北京化工大學北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:79 頁
【學位級別】:碩士
【部分圖文】:
圖3-1:碎石圖??Fig?3-l:Scree??
的客觀性和準確性,但是在實踐過程中實現(xiàn)這些原則比較困難,難免會存在一定差甚至錯誤,所以需要將學習速率盡量控制的小一點,否在無法達到預期設(shè)想的。??(2)在進行BP神經(jīng)網(wǎng)絡(luò)訓練和測試的數(shù)據(jù)要隨機選取。因為在工程項目中涉的領(lǐng)域較多,涉及的數(shù)據(jù)也多,應(yīng)該在不同領(lǐng)域內(nèi)進行選取,使數(shù)據(jù)具有普遍性,??以在進行訓練和測試的時候,應(yīng)當隨機選取數(shù)據(jù)。??(3)應(yīng)該按照一定的比例來分配需要訓練和測試的數(shù)據(jù),訓練數(shù)據(jù)的目的是BP神經(jīng)網(wǎng)絡(luò)能夠更加精準,測試數(shù)據(jù)是用來檢驗神經(jīng)網(wǎng)絡(luò)的訓練效果,所以在數(shù)據(jù)量的選取時要遵循一定的規(guī)律,充分考慮到各自的目的和要求,通?梢詫⒕毢蜏y試數(shù)據(jù)的比例設(shè)置為7:3或者8:2.??本文共有114個樣本數(shù)據(jù),9個主成分,即114*9維數(shù)據(jù),將這些數(shù)據(jù)代入神網(wǎng)絡(luò)模型中。通過上述注意事項,本文將訓練和測試的數(shù)據(jù)量的比例控制在8:2,1-91個樣本數(shù)據(jù)作為訓練數(shù)據(jù),第92-114個樣本數(shù)據(jù)作為測試數(shù)據(jù)。下圖3-3/3-BP神經(jīng)網(wǎng)絡(luò)的訓練與測試過程。??Best?Training?Performance?is?0.009261?at?epoch?9985??
圖3-4:?BP神經(jīng)網(wǎng)絡(luò)訓練與測試過程??Fig?3-4:Training?status?of?BP?neural?network??3.?4.?4?BP神經(jīng)網(wǎng)絡(luò)診斷結(jié)果??根據(jù)本文的風險判定規(guī)則,當項目的總質(zhì)量風險值在〇-〇.?2時,輸出為低當項目的總質(zhì)量風險值在0.3-0.5時,輸出為中度風險,當項目的總質(zhì)量風險等于0.6時,輸出結(jié)果為高度風險。因此結(jié)果對比如下表3-9所示。??表3-9:?BP神經(jīng)網(wǎng)絡(luò)模型結(jié)果與實際對比??Table?3-9:?The?results?of?BP?neural?network?model?are?compared?with?the?real?ones??y?BP結(jié)果??得分?風險等級?得分?風險等級?是否相符??1?0.6?高度風險?0.6?高度風險?是??2?0.4?中度風險?0.3?中度風險?是??
本文編號:3352797
【文章來源】:北京化工大學北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:79 頁
【學位級別】:碩士
【部分圖文】:
圖3-1:碎石圖??Fig?3-l:Scree??
的客觀性和準確性,但是在實踐過程中實現(xiàn)這些原則比較困難,難免會存在一定差甚至錯誤,所以需要將學習速率盡量控制的小一點,否在無法達到預期設(shè)想的。??(2)在進行BP神經(jīng)網(wǎng)絡(luò)訓練和測試的數(shù)據(jù)要隨機選取。因為在工程項目中涉的領(lǐng)域較多,涉及的數(shù)據(jù)也多,應(yīng)該在不同領(lǐng)域內(nèi)進行選取,使數(shù)據(jù)具有普遍性,??以在進行訓練和測試的時候,應(yīng)當隨機選取數(shù)據(jù)。??(3)應(yīng)該按照一定的比例來分配需要訓練和測試的數(shù)據(jù),訓練數(shù)據(jù)的目的是BP神經(jīng)網(wǎng)絡(luò)能夠更加精準,測試數(shù)據(jù)是用來檢驗神經(jīng)網(wǎng)絡(luò)的訓練效果,所以在數(shù)據(jù)量的選取時要遵循一定的規(guī)律,充分考慮到各自的目的和要求,通?梢詫⒕毢蜏y試數(shù)據(jù)的比例設(shè)置為7:3或者8:2.??本文共有114個樣本數(shù)據(jù),9個主成分,即114*9維數(shù)據(jù),將這些數(shù)據(jù)代入神網(wǎng)絡(luò)模型中。通過上述注意事項,本文將訓練和測試的數(shù)據(jù)量的比例控制在8:2,1-91個樣本數(shù)據(jù)作為訓練數(shù)據(jù),第92-114個樣本數(shù)據(jù)作為測試數(shù)據(jù)。下圖3-3/3-BP神經(jīng)網(wǎng)絡(luò)的訓練與測試過程。??Best?Training?Performance?is?0.009261?at?epoch?9985??
圖3-4:?BP神經(jīng)網(wǎng)絡(luò)訓練與測試過程??Fig?3-4:Training?status?of?BP?neural?network??3.?4.?4?BP神經(jīng)網(wǎng)絡(luò)診斷結(jié)果??根據(jù)本文的風險判定規(guī)則,當項目的總質(zhì)量風險值在〇-〇.?2時,輸出為低當項目的總質(zhì)量風險值在0.3-0.5時,輸出為中度風險,當項目的總質(zhì)量風險等于0.6時,輸出結(jié)果為高度風險。因此結(jié)果對比如下表3-9所示。??表3-9:?BP神經(jīng)網(wǎng)絡(luò)模型結(jié)果與實際對比??Table?3-9:?The?results?of?BP?neural?network?model?are?compared?with?the?real?ones??y?BP結(jié)果??得分?風險等級?得分?風險等級?是否相符??1?0.6?高度風險?0.6?高度風險?是??2?0.4?中度風險?0.3?中度風險?是??
本文編號:3352797
本文鏈接:http://sikaile.net/guanlilunwen/shengchanguanlilunwen/3352797.html
最近更新
教材專著