| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-14页 |
| ·本文的研究内容 | 第14-15页 |
| ·本文的创新点 | 第15页 |
| ·本文技术路线 | 第15-16页 |
| 第2章 工程项目成本风险概述 | 第16-23页 |
| ·成本风险管理理论 | 第16-18页 |
| ·风险的定义 | 第16-17页 |
| ·工程项目成本风险的概念 | 第17页 |
| ·工程项目施工阶段成本风险管理的特点 | 第17-18页 |
| ·工程项目施工阶段成本风险的分类 | 第18-19页 |
| ·工程项目成本风险管理流程 | 第19-21页 |
| ·风险管理计划 | 第19-20页 |
| ·风险识别 | 第20页 |
| ·风险分析 | 第20页 |
| ·风险排序 | 第20-21页 |
| ·风险应对 | 第21页 |
| ·风险监控 | 第21页 |
| ·本章小结 | 第21-23页 |
| 第3章 工程项目施工阶段成本风险预测指标体系建立 | 第23-39页 |
| ·工程项目施工阶段成本风险识别 | 第23-27页 |
| ·成本风险识别方法比较 | 第23-26页 |
| ·工程项目施工阶段成本风险识别方法 | 第26-27页 |
| ·工程项目施工阶段成本风险源分析 | 第27-35页 |
| ·工程业主及相关项目管理者的风险 | 第27-28页 |
| ·工程项目环境风险 | 第28-30页 |
| ·工程项目承包商自身风险 | 第30-31页 |
| ·成本目标因素 | 第31-33页 |
| ·管理风险 | 第33-35页 |
| ·工程项目施工阶段成本风险预测指标选取的原则 | 第35-36页 |
| ·工程项目成本风险预测指标体系的建立 | 第36-38页 |
| ·预测指标体系的建立 | 第36页 |
| ·工程项目成本风险因素指标值域范围的划定 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于PSO—SVM的工程项目施工阶段成本风险预测系统 | 第39-53页 |
| ·支持向量机理论 | 第39-47页 |
| ·机器学习问题 | 第39-41页 |
| ·统计学习理论基础 | 第41-44页 |
| ·支持向量机线性回归 | 第44-47页 |
| ·粒子群算法 | 第47-49页 |
| ·粒子群算法概述 | 第47-48页 |
| ·粒子群算法的数学描述 | 第48-49页 |
| ·PSO—SVM算法设计 | 第49-52页 |
| ·PSO—SVM算法的基本思路 | 第50-51页 |
| ·PSO—SVM算法实现步骤 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于PSO—SVM工程项目成本风险预测系统工程实现 | 第53-64页 |
| ·样本数据的获取及预处理 | 第53-57页 |
| ·数据搜集 | 第53页 |
| ·数据预处理 | 第53-57页 |
| ·粒子群优化支持向量机参数 | 第57页 |
| ·PSO-SVM模型的实现过程 | 第57-59页 |
| ·PSO-SVM工程项目成本风险预测模型的实现过程 | 第57-59页 |
| ·实验结果及分析 | 第59-61页 |
| ·交叉验证法参数选择 | 第59-60页 |
| ·模型误差的确定 | 第60-61页 |
| ·工程实例 | 第61-63页 |
| ·风险数据的获取 | 第62-63页 |
| ·工程项目成本风险预测 | 第63页 |
| ·本章小结 | 第63-64页 |
| 结论和展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 作者简介 | 第69页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第69-70页 |
| 附录 | 第70-73页 |
