| 第1章 绪论 | 第1-11页 |
| 1．1 工程项目风险管理的起源 | 第8-9页 |
| 1．2 论文研究背景与选题目的 | 第9-10页 |
| 1．3 论文构思 | 第10-11页 |
| 第2章 工程项目全面风险管理概述 | 第11-16页 |
| 2．1 风险概述 | 第11-13页 |
| 2．1．1 风险定义 | 第11页 |
| 2．1．2 风险特征 | 第11-13页 |
| 2．2 工程项目全面风险管理 | 第13-16页 |
| 2．2．1 工程项目风险的特点 | 第13页 |
| 2．2．2 工程项目全面风险管理的概念及过程 | 第13-16页 |
| 第3章 工程项目风险识别、分析与评估 | 第16-23页 |
| 3．1 工程项目风险识别方法 | 第16-17页 |
| 3．2 风险分析评估概述 | 第17-18页 |
| 3．3 风险分析评估方法 | 第18-23页 |
| 第4章 工程项目风险控制与决策 | 第23-28页 |
| 4．1 工程项目风险控制 | 第23-25页 |
| 4．2 工程项目风险管理决策 | 第25-28页 |
| 4．2．1 风险管理决策的概念 | 第25-26页 |
| 4．2．2 风险管理决策的程序 | 第26-28页 |
| 第5章 蒙特卡罗模拟技术对工程造价与投资估算的分析 | 第28-53页 |
| 5．1 蒙特卡罗模拟技术 | 第28-36页 |
| 5．1．1 蒙特卡罗方法简介 | 第28-30页 |
| 5．1．2 伪随机数的产生 | 第30-31页 |
| 5．1．3 均匀分布随机数的产生 | 第31-32页 |
| 5．1．4 伪随机数的检验 | 第32-33页 |
| 5．1．5 随机变量抽样 | 第33-36页 |
| 5．2 工程实例应用 | 第36-53页 |
| 第6章 支持向量机对工程造价与投资估算的分析 | 第53-78页 |
| 6．1 机器学习理论介绍 | 第53-57页 |
| 6．1．1 统计学习理论 | 第53-54页 |
| 6．1．2 机器学习问题的表示 | 第54-55页 |
| 6．1．3 经验风险最小化原理 | 第55-56页 |
| 6．1．4 VC维 | 第56页 |
| 6．1．5 结构风险最小化原理 | 第56-57页 |
| 6．2 支持向量机原理 | 第57-62页 |
| 6．2．1 支持向量机 | 第57-61页 |
| 6．2．2 用于函数拟合的SVM | 第61-62页 |
| 6．3 支持向量机原理的回归理论 | 第62-67页 |
| 6．3．1 SVM回归估计算法 | 第62-64页 |
| 6．2．2 损失函数 | 第64-65页 |
| 6．2．3 核函数 | 第65-67页 |
| 6．4 SVM学习算法综述 | 第67-70页 |
| 6．4．1 块算法 | 第67-68页 |
| 6．4．2 分解算法 | 第68-69页 |
| 6．2．3 顺序最小优化算法 | 第69-70页 |
| 6．5 投资估算模型构造与应用 | 第70-74页 |
| 6．5．1 估算系统设计的总体思路 | 第70页 |
| 6．5．2 基于SVM的投资估算模型基本原理 | 第70-71页 |
| 6．5．3 基于SVM的投资估算模型 | 第71-74页 |
| 6．6 工程实例应用 | 第74-76页 |
| 6．7 两种方法对投资估算的结果进行比较 | 第76-78页 |
| 第7章 结论与展望 | 第78-80页 |
| 7．1 结论 | 第78-79页 |
| 7．2 展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士学位期间发表的论文 | 第84页 |