| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-21页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状与水平 | 第10-16页 |
| 1.2.1 PPP项目风险识别 | 第10-12页 |
| 1.2.2 PPP项目风险评价 | 第12-15页 |
| 1.2.3 PPP项目风险应对 | 第15-16页 |
| 1.3 研究目的及意义 | 第16-17页 |
| 1.3.1 研究目的 | 第16页 |
| 1.3.2 研究意义 | 第16-17页 |
| 1.4 研究方法与研究内容 | 第17-21页 |
| 1.4.1 研究方法 | 第17-18页 |
| 1.4.2 研究内容与框架 | 第18-21页 |
| 2 M水库投资方风险识别与评价指标体系构建 | 第21-41页 |
| 2.1 M水库项目概况 | 第21-24页 |
| 2.1.1 项目背景 | 第21页 |
| 2.1.2 投资方的识别 | 第21-22页 |
| 2.1.3 项目实施情况 | 第22-24页 |
| 2.2 M水库投资方风险特征分析 | 第24-26页 |
| 2.3 M水库投资方风险识别 | 第26-33页 |
| 2.3.1 投资方风险初步识别清单 | 第26-30页 |
| 2.3.2 投资方风险识别清单修订 | 第30-32页 |
| 2.3.3 投资方风险最终识别清单 | 第32-33页 |
| 2.4 问卷调查分析及风险指标体系构建 | 第33-38页 |
| 2.4.1 研究样本基本情况 | 第33页 |
| 2.4.2 投资方风险因素描述性统计 | 第33-35页 |
| 2.4.3 调查问卷信度和效度分析 | 第35-37页 |
| 2.4.4 投资方风险评价指标体系建立 | 第37-38页 |
| 2.5 本章小结 | 第38-41页 |
| 3 基于BP神经网络的M水库投资方风险评价模型构建 | 第41-57页 |
| 3.1 BP神经网络理论概述 | 第41-45页 |
| 3.1.1 BP神经网络基本理论 | 第41-42页 |
| 3.1.2 BP神经网络学习算法 | 第42-45页 |
| 3.2 BP神经网络模型设计 | 第45-51页 |
| 3.2.1 网络层数的确定 | 第45页 |
| 3.2.2 各层节点数的确定 | 第45-46页 |
| 3.2.3 激励函数的选取 | 第46-49页 |
| 3.2.4 初始参数的选取 | 第49-50页 |
| 3.2.5 面向Matlab的BP神经网络模型设计 | 第50-51页 |
| 3.3 基于BP神经网络的M水库投资方风险评价模型的构建 | 第51-55页 |
| 3.3.1 样本数据的选取 | 第51-53页 |
| 3.3.2 模型创建 | 第53页 |
| 3.3.3 参数的初始化 | 第53-54页 |
| 3.3.4 模型的训练 | 第54-55页 |
| 3.3.5 模型的测试 | 第55页 |
| 3.4 本章小结 | 第55-57页 |
| 4 M水库投资方风险评价及应对 | 第57-67页 |
| 4.1 M水库投资方风险评价 | 第57-58页 |
| 4.2 M水库投资方风险应对措施 | 第58-66页 |
| 4.3 本章小结 | 第66-67页 |
| 5 结论与展望 | 第67-69页 |
| 5.1 研究成果 | 第67页 |
| 5.2 研究展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录A——M水库投资方风险评价指标因素研究调查问卷 | 第73-77页 |
| 附录B——M水库投资方风险因素因子分析结果 | 第77-79页 |
| 附录C——BP神经网络模型训练的Matlab仿真程序代码 | 第79-81页 |
| 附录D——攻读学位期间的主要学术成果 | 第81-83页 |
| 致谢 | 第83页 |
