| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-16页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.1.1 选题背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状及存在的问题 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.2.3 该领域目前存在的问题 | 第12-13页 |
| 1.3 论文研究目标、主要内容及框架 | 第13-16页 |
| 1.3.1 论文研究目标 | 第13-14页 |
| 1.3.2 研究的主要内容 | 第14-16页 |
| 2 我国建筑施工企业项目法律风险评价指标体系建立 | 第16-31页 |
| 2.1 我国建筑施工企业项目法律风险综述 | 第16-17页 |
| 2.1.1 建筑施工企业项目法律风险的定义 | 第16页 |
| 2.1.2 建筑施工企业项目法律风险的特点 | 第16-17页 |
| 2.2 我国建筑施工企业项目法律风险因素识别 | 第17-29页 |
| 2.2.1 风险识别的方法 | 第17-20页 |
| 2.2.2 风险因素识别的原则 | 第20页 |
| 2.2.3 风险识别过程 | 第20-21页 |
| 2.2.4 我国建筑施工企业项目法律风险因素 | 第21-29页 |
| 2.3 我国建筑施工企业项目法律风险评价指标体系的建立 | 第29-31页 |
| 3 BP 网络的我国建筑施工企业项目法律风险评价模型的建立 | 第31-42页 |
| 3.1 现行风险评价的方法 | 第31-32页 |
| 3.1.1 层析分析法 | 第31页 |
| 3.1.2 蒙特卡罗法 | 第31-32页 |
| 3.2 BP 神经网络的理论综述 | 第32-37页 |
| 3.2.1 BP 神经网络的基本理论 | 第32-33页 |
| 3.2.2 BP 神经网络学习算法 | 第33-35页 |
| 3.2.3 基于 BP 神经网络的综合评价方法步骤图 | 第35-37页 |
| 3.3 BP 神经网络模型的建立 | 第37-42页 |
| 3.3.1 网络层数的确定 | 第37页 |
| 3.3.2 各层神经元数目的确定 | 第37-38页 |
| 3.3.3 传递函数的选取 | 第38-41页 |
| 3.3.4 网络学习参数的选取 | 第41-42页 |
| 4 面向 MATLAB 的 BP 神经网络模型设计 | 第42-54页 |
| 4.1 MATLAB 简介 | 第42页 |
| 4.2 MATLAB 神经网络工具箱 | 第42-45页 |
| 4.2.1 BP 网络的神经网络工具箱函数 | 第43-44页 |
| 4.2.2 MATLAB 中 BP 网络的训练过程 | 第44-45页 |
| 4.3 面向 MATLAB 的 BP 网络模型设计 | 第45-47页 |
| 4.3.1 BP 神经网络的创建 | 第45页 |
| 4.3.2 BP 神经网络的初始化 | 第45页 |
| 4.3.3 BP 神经网络的训练 | 第45-46页 |
| 4.3.4 BP 神经网络的仿真 | 第46-47页 |
| 4.4 BP 网络风险评价模型的训练及检测 | 第47-54页 |
| 4.4.1 样本数据的选取 | 第47-48页 |
| 4.4.2 网络结构的确定 | 第48-49页 |
| 4.4.3 模型的训练 | 第49-54页 |
| 4.4.4 模型的检测 | 第54页 |
| 5 我国建筑施工企业项目法律风险应对策略 | 第54-63页 |
| 5.1 施工准备阶段风险应对策略 | 第55-58页 |
| 5.2 施工阶段风险应对策略 | 第58-61页 |
| 5.3 竣工验收与保修阶段风险应对策略 | 第61-63页 |
| 6 案例项目风险管理 | 第63-66页 |
| 6.1 案例项目概况 | 第63页 |
| 6.2 案例项目风险评价 | 第63-64页 |
| 6.3 案例项目风险应对 | 第64-66页 |
| 7 结论与展望 | 第66-68页 |
| 7.1 结论 | 第66页 |
| 7.2 展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 附录 我国建筑施工企业项目法律风险因素评估调查问卷 | 第71-73页 |
| 攻读学位期间的研究成果 | 第73页 |
