基于价格预测的动态投标报价研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·本文的研究背景 | 第10-11页 |
| ·国内外投标报价研究综述 | 第11-14页 |
| ·国外投标报价研究状况 | 第11-13页 |
| ·国内投标报价研究状况 | 第13-14页 |
| ·本文的研究意义及创新 | 第14-15页 |
| ·本文的研究意义 | 第14-15页 |
| ·本文的创新之处 | 第15页 |
| ·本文的研究思路和结构 | 第15-18页 |
| 第二章 水运工程建设项目特点及投标 | 第18-27页 |
| ·水运工程的特点 | 第18-19页 |
| ·工程量清单和工程造价 | 第19页 |
| ·投标的相关概念 | 第19-22页 |
| ·投标的风险 | 第22-25页 |
| ·风险和风险管理 | 第22-23页 |
| ·投标的风险和风险管理 | 第23-25页 |
| ·投标的策略 | 第25-27页 |
| 第三章 水运工程动态投标报价模型的建立 | 第27-37页 |
| ·水运工程投标报价的组成和依据 | 第27-30页 |
| ·水运工程投标报价的组成 | 第27-29页 |
| ·水运工程投标报价的依据 | 第29-30页 |
| ·水运工程投标报价的编制 | 第30-34页 |
| ·基于价格预测的动态投标报价决策模型 | 第34-37页 |
| 第四章 水运工程动态投标报价模型的实现 | 第37-57页 |
| ·灰色 GM(1,1)预测模型 | 第37-39页 |
| ·灰色系统概述 | 第37-38页 |
| ·灰色 GM(1,1)预测模型的建立 | 第38-39页 |
| ·BP 神经网络预测模型 | 第39-46页 |
| ·BP 神经网络概述 | 第39-44页 |
| ·人工神经元 | 第40-42页 |
| ·BP 学习算法 | 第42页 |
| ·BP 神经网络 | 第42-44页 |
| ·BP 神经网络预测模型的建立 | 第44-46页 |
| ·支持向量机预测模型 | 第46-54页 |
| ·支持向量机概述 | 第46-51页 |
| ·VC 维 | 第46-47页 |
| ·结构风险最小化 | 第47-48页 |
| ·支持向量机回归(SVR) | 第48-51页 |
| ·支持向量机预测模型的建立 | 第51-54页 |
| ·基于 IOWA 算子的组合预测模型 | 第54-56页 |
| ·组合预测和 IOWA 算子的概念 | 第54-55页 |
| ·基于 IOWA 算子的组合预测模型的建立 | 第55-56页 |
| ·各预测模型的对比分析 | 第56-57页 |
| 第五章 水运工程动态投标报价模型的应用 | 第57-68页 |
| ·广州某高桩码头工程项目介绍 | 第57页 |
| ·选定项目所需的主要资源 | 第57页 |
| ·数据准备 | 第57-58页 |
| ·价格预测 | 第58-66页 |
| ·灰色 GM(1,1)模型预测 | 第58-59页 |
| ·BP 神经网络模型预测 | 第59-61页 |
| ·支持向量机模型预测 | 第61-62页 |
| ·组合预测 | 第62-64页 |
| ·预测结果对比分析 | 第64-66页 |
| ·资源需求供应计划 | 第66-67页 |
| ·符合实际进度的资源价格及投标报价 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| ·本文研究的主要工作及结论 | 第68页 |
| ·未来工作展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附录 A（攻读硕士学位期间公开发表的论文） | 第75页 |
