| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·问题的提出 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·工程项目风险管理研究现状 | 第9-10页 |
| ·人工神经网络在工程项目风险管理中的应用情况 | 第10-12页 |
| ·本文研究内容与意义 | 第12-13页 |
| ·本文研究的意义 | 第12-13页 |
| ·本文研究的内容 | 第13页 |
| 2 政府投资工程项目风险分析与评价 | 第13-31页 |
| ·政府投资工程项目概述 | 第13-15页 |
| ·政府投资工程项目风险的分析 | 第15-25页 |
| ·政府投资工程项目风险的识别与来源 | 第15-18页 |
| ·政府投资工程项目风险的特点 | 第18-20页 |
| ·政府投资工程项目的风险 | 第20-25页 |
| ·政府投资工程项目风险的评价 | 第25-31页 |
| ·工程项目风险评价内容和作用 | 第25-27页 |
| ·工程项目风险评价的常用方法及比较 | 第27-30页 |
| ·政府投资工程项目风险评价指标体系的建立 | 第30-31页 |
| 3 BP人工神经网络 | 第31-39页 |
| ·人工神经网络简介 | 第31-33页 |
| ·BP神经网络 | 第33-39页 |
| ·BP神经网络简介 | 第33-34页 |
| ·BP神经网络的传递函数 | 第34-36页 |
| ·BP神经网络的学习函数 | 第36-39页 |
| ·BP神经网络的Matlab实现 | 第39页 |
| 4 基于BP神经网络的政府投资工程项目风险评价模型构建及应用 | 第39-55页 |
| ·BP神经网络结构设计 | 第39-40页 |
| ·样本数据准备 | 第40-41页 |
| ·结构参数的选取 | 第41-44页 |
| ·输入输出节点数 | 第41-42页 |
| ·输含层节点数 | 第42-43页 |
| ·传递函数 | 第43页 |
| ·学习函数 | 第43-44页 |
| ·隐含层节点数对模型的影响 | 第44-47页 |
| ·学习算法函数选取对模型的影响 | 第47-48页 |
| ·BP神经网络的训练和测试 | 第48-52页 |
| ·BP神经网络的训练 | 第48页 |
| ·BP神经网络的测试 | 第48-50页 |
| ·结果分析 | 第50-52页 |
| ·应用遗传算法对BP神经网络进行优化 | 第52-55页 |
| ·BP神经网络的局限性 | 第52-53页 |
| ·遗传BP神经网络的训练步骤 | 第53-55页 |
| 5 结论与展望 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-62页 |
| 详细摘要 | 第62-66页 |