摘要 | 第1-5页 |
Abstract | 第5-10页 |
1 绪论 | 第10-16页 |
1.1 建设工程招标投标及其发展状况 | 第10-12页 |
1.1.1 建设工程招标投标概念 | 第10页 |
1.1.2 建设工程招标投标的发展状况 | 第10-12页 |
1.2 我国建设工程招标投标活动中存在的问题 | 第12-14页 |
1.3 本文研究的主要目的和内容 | 第14-16页 |
2 建设工程施工招标 | 第16-27页 |
2.1 工程施工招标概述 | 第16-19页 |
2.1.1 施工招标的条件 | 第16-17页 |
2.1.2 施工招标的方式与程序 | 第17-18页 |
2.1.3 资格审查 | 第18-19页 |
2.2 无标底招标 | 第19-21页 |
2.2.1 无标底招标的含义和优点 | 第19-20页 |
2.2.2 无标底招标存在的问题 | 第20-21页 |
2.2.3 无标底招标在我国的推行和发展 | 第21页 |
2.3 建设工程施工无标底评标与评标方法 | 第21-27页 |
2.3.1 评标概念及程序 | 第21-22页 |
2.3.2 评标方法的基本要求 | 第22页 |
2.3.3 无标底评标方法 | 第22-24页 |
2.3.4 无标底招标评标案例 | 第24-27页 |
3 初始评审定量模型的建立及偏差界限的确定 | 第27-41页 |
3.1 初审审查的主要方面 | 第27-29页 |
3.1.1 投标资格 | 第27页 |
3.1.2 投标文件的完整性 | 第27-28页 |
3.1.3 主要方面是否符合要求 | 第28页 |
3.1.4 计算方面的错误 | 第28-29页 |
3.2 中度偏差定义的提出 | 第29-33页 |
3.2.1 重大偏差 | 第29页 |
3.2.2 细微偏差 | 第29-30页 |
3.2.3 中度偏差定义的提出 | 第30-32页 |
3.2.4 偏差界限的确定 | 第32-33页 |
3.3 定量模型的建立 | 第33-37页 |
3.3.1 偏差体系的确定 | 第33页 |
3.3.2 对存在偏差的投标文件的处理 | 第33页 |
3.3.3 偏差的量化 | 第33-37页 |
3.4 实例 | 第37-41页 |
3.4.1 DARE法在权重确定中的应用 | 第38-39页 |
3.4.2 计算偏差度 | 第39页 |
3.4.3 偏差界限的确定 | 第39页 |
3.4.4 对投标人不利的量化 | 第39-41页 |
4 人工神经网络简介 | 第41-55页 |
4.1 人工神经网络原理 | 第41-45页 |
4.1.1 神经网络模型 | 第41-44页 |
4.1.2 人工神经网络的特性 | 第44-45页 |
4.2 BP网络 | 第45-52页 |
4.2.1 BP网络结构 | 第46-47页 |
4.2.2 BP算法的数学描述 | 第47-51页 |
4.2.3 BP算法的不足及改进 | 第51-52页 |
4.3 基于BP神经网络的评标模型 | 第52-53页 |
4.3.1 评标模型机理 | 第52页 |
4.3.2 评标模型结构 | 第52-53页 |
4.4 Matlab神经网络工具箱的简介 | 第53-55页 |
5 基于BP神经网络模型的综合评分法的应用及其评标系统的实现 | 第55-80页 |
5.1 基于BP神经网络的综合评分法的应用 | 第55-62页 |
5.1.1 基于BP神经网络的评标模型的训练过程 | 第55-56页 |
5.1.2 样本的选取和处理 | 第56页 |
5.1.3 网络层数的确定 | 第56页 |
5.1.4 各层节点数的确定 | 第56-57页 |
5.1.5 训练算法的选取 | 第57页 |
5.1.6 目标误差的确定 | 第57-58页 |
5.1.7 训练结果 | 第58-61页 |
5.1.8 实例 | 第61-62页 |
5.2 基于BP神经网络的评标决策支持系统的设计与实现 | 第62-78页 |
5.2.1 评标决策支持系统的理论基础 | 第62-63页 |
5.2.2 评标决策支持系统总体结构与功能 | 第63-65页 |
5.2.3 数据库设计 | 第65-70页 |
5.2.4 实现 | 第70-78页 |
5.3 实例验证 | 第78-80页 |
结论 | 第80-82页 |
参考文献 | 第82-85页 |
附录A 基于Matlab的BP神经网络评标模型的训练程序 | 第85-88页 |
攻读硕士学位期间发表学术论文情况 | 第88-89页 |
致谢 | 第89-90页 |
大连理工大学学位论文版权使用授权书 | 第90页 |