国际工程项目承包商合同风险评价研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 引言 | 第10-16页 |
| ·研究背景和研究意义 | 第10页 |
| ·国内外研究状况 | 第10-14页 |
| ·国外研究现状 | 第10-13页 |
| ·国内研究现状 | 第13-14页 |
| ·主要研究内容与研究特点 | 第14-15页 |
| ·研究目标和内容 | 第14-15页 |
| ·全文研究特点和结构安排 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第2章 工程项目承包商合同风险评价基本理论 | 第16-23页 |
| ·国际工程建设项目合同管理特点概述 | 第16-18页 |
| ·承包商合同风险评价理论简介 | 第18-20页 |
| ·项目合同风险的概念 | 第18页 |
| ·项目合同风险的特性 | 第18-19页 |
| ·合同风险评价的基本内容 | 第19-20页 |
| ·项目合同风险评价传统模型分析 | 第20-22页 |
| ·德尔菲方法 | 第20页 |
| ·头脑风暴法 | 第20-21页 |
| ·模糊决策树法 | 第21页 |
| ·蒙特卡罗模拟法 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 工程项目承包商合同风险评价模型理论简介 | 第23-32页 |
| ·评价模型的设计 | 第23页 |
| ·主成分分析算法的相关原理 | 第23-25页 |
| ·基本原理 | 第23-25页 |
| ·计算步骤 | 第25页 |
| ·蚁群算法优化的RBF神经网络相关原理 | 第25-31页 |
| ·蚁群算法(ACOA)的原理 | 第25-27页 |
| ·RBF神经网络系统的基本原理 | 第27-29页 |
| ·基于蚁群算法改进的RBF神经网络评价模型的原理 | 第29-31页 |
| ·组合模型的建立 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第4章 国际工程承包商合同风险评价指标体系的构建 | 第32-38页 |
| ·指标体系构建原则和需注意的问题 | 第32-33页 |
| ·构建原则 | 第32-33页 |
| ·指标体系构建中需要注意的问题 | 第33页 |
| ·评价指标体系的构建 | 第33-37页 |
| ·合同条款风险指标 | 第33-34页 |
| ·工程主体风险指标 | 第34-35页 |
| ·合同执行风险指标 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 工程项目承包商合同风险的评价研究 | 第38-46页 |
| ·评价样本的选取和指标数据的确定 | 第38页 |
| ·指标数据的标准化 | 第38-40页 |
| ·指标体系权重的确定 | 第40-41页 |
| ·工程项目承包商合同风险的评价分析 | 第41-43页 |
| ·合同条款风险评价分析 | 第41-42页 |
| ·合同主体风险评价分析 | 第42页 |
| ·合同执行风险评价分析 | 第42-43页 |
| ·合同整体风险评价分析 | 第43页 |
| ·国际工程项目承包商合同风险的防范与控制措施 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第6章 结论 | 第46-48页 |
| ·本文结论 | 第46-47页 |
| ·本文的不足 | 第47页 |
| ·本章小结 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录 | 第51-53页 |
| 在学期间发表的学术论文和参加科研情况 | 第53-54页 |
| 致谢 | 第54-55页 |
| 作者简介 | 第55页 |
