| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及问题提出 | 第11-13页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 问题提出 | 第11-13页 |
| 1.2 研究目的和意义 | 第13-14页 |
| 1.2.1 研究目的 | 第13页 |
| 1.2.2 研究意义 | 第13-14页 |
| 1.3 研究路径和方法 | 第14-19页 |
| 1.3.1 研究路径和内容 | 第14-16页 |
| 1.3.2 研究方法 | 第16-19页 |
| 第二章 基础理论及相关文献综述 | 第19-33页 |
| 2.1 风险管理相关概念界定 | 第19-23页 |
| 2.1.1 风险 | 第19-20页 |
| 2.1.2 风险管理 | 第20-23页 |
| 2.2 工程质量风险管理相关概念界定 | 第23-25页 |
| 2.2.1 工程质量风险管理 | 第23页 |
| 2.2.2 工程质量风险管理机制和特点 | 第23-25页 |
| 2.3 相关理论基础 | 第25-26页 |
| 2.3.1 项目生命周期理论 | 第25页 |
| 2.3.2 信息不对称理论 | 第25页 |
| 2.3.3 持续风险管理(CRM)理论 | 第25-26页 |
| 2.3.4 系统工程理论 | 第26页 |
| 2.4 国内外研究现状及相关文献综述 | 第26-33页 |
| 2.4.1 国外研究现状 | 第26-29页 |
| 2.4.2 国内研究现状 | 第29-31页 |
| 2.4.3 文献评述 | 第31-33页 |
| 第三章 工程质量风险管理模型的建立与分析 | 第33-61页 |
| 3.1 工程质量风险指标体系的建立 | 第33-37页 |
| 3.1.1 工程质量风险指标体系建立原则和依据 | 第33-34页 |
| 3.1.2 工程质量风险指标体系的建立 | 第34-37页 |
| 3.2 工程质量风险数据的收集和扩容 | 第37-39页 |
| 3.2.1 原始样本数据 | 第37-38页 |
| 3.2.2 蒙特卡罗模拟 | 第38-39页 |
| 3.3 主成分分析法的引入与使用 | 第39-48页 |
| 3.3.1 主成分分析法的基本原理和模型 | 第39-40页 |
| 3.3.2 通过主成分分析法构建新指标的步骤 | 第40-41页 |
| 3.3.3 主成分分析 | 第41-48页 |
| 3.4 基于BP神经网络的工程质量风险管理模型的建立 | 第48-61页 |
| 3.4.1 BP神经网络模型的引入及原理 | 第48-50页 |
| 3.4.2 BP神经网络结构设计和算法 | 第50-54页 |
| 3.4.3 BP神经网络模型训练与运行 | 第54-55页 |
| 3.4.4 BP神经网络诊断结果 | 第55-61页 |
| 第四章 X公司工程质量风险管理分析与措施 | 第61-69页 |
| 4.1 X公司工程项目简介 | 第61页 |
| 4.2 X公司工程质量风险管理分析 | 第61-64页 |
| 4.2.1 数据收集 | 第61-62页 |
| 4.2.2 数据处理及分析 | 第62-64页 |
| 4.3 X公司工程质量风险管理改进措施与建议 | 第64-69页 |
| 4.3.1 加强前期阶段质量风险保障 | 第64-65页 |
| 4.3.2 加大施工阶段安全管理力度 | 第65页 |
| 4.3.3 提升技术研发创新竞争力 | 第65-66页 |
| 4.3.4 完善项目资金管理制度 | 第66页 |
| 4.3.5 合理配置人力资源 | 第66-69页 |
| 第五章 结论与展望 | 第69-71页 |
| 5.1 研究结论 | 第69页 |
| 5.2 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 导师及作者简介 | 第77-78页 |
| 附件 | 第78-79页 |