现行评标办法及投标报价计算公式研究

本文按照目前常用的评标办法,分析影响中标的因素,并推算在通常评标方法下投标报价计算公式,探讨最利于中标的投标报价计算方法。     

两物品拍卖中的多人投标决策问题的研究

探讨了两物品拍卖中多个投标商的投标决策问题，提出了在英国式拍卖规则下投标商的投标决策模型，指出交换卖物顺序后，投标商和盈利和招标商的收益均可能改变，并且投标商人数增多或招标商设定适当的保留价均利于招标商的收益增多。     

两物品拍卖中的多人投标决策问题的研究

探讨了两物品拍卖中多个投标商的投标决策问题．提出了在英国式拍卖规则下投标商的投标决策模型．指出交换拍卖物顺序后，投标商的盈利和招标商的收益均可能改变，并且投标商人数增多或招标商设定适当的保留价均利于招标商的收益增多     

基于主成分分析的建设工程项目评标决策研究

由于现有的建设工程项目评标方法存在赋权主观性过强、评标指标间存在相关性等问题,使得评标结果不够客观公正。针对于以上问题,建立了基于主成分分析法的建设工程项目评标模型。借助SPSS软件进行数据计算,求得评标的综合评价结果并进行优劣排序,从中选择出最优的投标人。经实例分析证明:该模型有效地解决了评标过程中指标赋权时受主观影响过强的弊端,同时也避免了指标间的相关性所导致的赋权重复问题,使得评标结果更加合理,具有一定的科学性和实用性。     

工程项目低价评标法工作探讨

本文主要就低价评标法前提下的招标工程如何防止投标单位不计成本恶性竞争投标进行了分析,并结合长期以来的实施经验,在此对“低价评标法”作一些相关探讨。     

投标标书评价模型的研究

研究了工程招标投标过程中最重要的环节－标书评价问题,分析了我国大型建筑工程评标过程中存在的缺陷和不足,结合国际大型建设工程合同条件提出了投标商标书评价指标体系,并对指标体系中的指标进行量化,提出了基于人工神经网络的标书评价模型,并在计算机上加以实现。     

建设工程招标评标方法及评标中的有关问题

对建设工程招标评标方法适用范围及特点进行了比较和评述,阐述了作者在评标中经常遇到的问题和解决办法,提出一些供大家参考的观点和看法。     

基于人工神经网络技术的投标前期决策

针对投标前期决策中常用决策分析方法未能有效解决影响因素之间、影响因素与决策结果之间的复杂非线性关系的问题,通过调查、比较和分析,结合人工神经网络分析方法的要求,确定了投标前期决策影响因素的指标体系.将人工神经网络技术应用于投标前期决策,应用定量法和模糊综合评价法提出相应指标的量化标准及方法,据此构建了具有较好泛化学习能力及较好学习速度的人工神经网络投标前期决策模型.在MATLAB平台上,开发出人工神经网络投标前期决策模型应用系统.通过工程实例证明,此方法能有效应用于施工企业的前期投标决策.     

基于随机估值的多物品拍卖多人投标决策

改进了英式拍卖规则下多人参与多物品的拍卖中,招标商的投标决策模型。基于对拍卖物品价值的随机估值,研究了投标商的投标决策问题。给出了投标商参与拍卖的必要条件。     

浅谈工程招投标过程中的评标方法及现状分析

评标是招投标过程的关键环节,评标方法对建设工程招投标至关重要,目前建筑市场上的评标方法主要有无标底法、合理低价法和综合评分法,本文通过对上述几种评标方法进行对比,分析各自的优缺点及可操作性,来说明哪种方法最适合我国现阶段建设工程招投标从而判断招投标市场评标办法的走势.     

建筑投标价格指数神经网络方法及敏感性分析

将神经网络技术应用于建筑投标价格指数预测,提出了两种神经网络的变量敏感性分析方法,并用提出的方法分析了投标价格指数所涉及变量的敏感性．     

神经网络技术在教育评价中的应用

针对传统教育评价方法的随机性和低效性，将ＡＮＮ技术应用于教育系统的综合评价，提出一种基于神经网络的教育评价方法，给出其神经网络的模型结构，输入指标的量化方法，自学习机制及其计算机实现。文中提出的评价方法适用于各类相关评价     

基于相空间重构及Elman网络的停车泊位数据预测

针对停车诱导系统（PGIS）中短时空余停车泊位时间序列数据预测问题，提出应用相空间重构与Elman神经网络相结合的方法来进行预测．首先分析了相空间重构的技术原理，在此基础上导出时间序列预测模型，并以Elman神经网络训练模拟该模型．介绍了相空间重构与Elman神经网络相结合的预测方法的具体实现过程与步骤，提出了短时空余停车泊位数据的预测效果评价指标．通过预测实例表明，该方法用于停车诱导系统中短时空余停车泊位数据的预测具有较好的预测准确性和有效性．     

无标底招标评标方法的优化研究

根据当前建筑市场中常用的无标底招标评标方法,应用模糊数学中的相关原理对其进行优化,增加了评标过程的客观性和合理性。     

基于因子分析和BP神经网络的地铁盾构施工成本风险分析

基于中国地铁盾构施工过程中成本风险的不易控性,为了实现地铁盾构施工节约成本、规避风险的目的,提出了因子分析与BP神经相结合的成本风险分析模型。运用SPSS软件对数据进行降维处理,结合MATLAB软件建立BP神经网络模型并进行训练,完成对地铁盾构施工阶段的成本风险评价。结合兰州地铁1号线施工过程的成本风险分析,得出对成本风险影响程度大的变量,并提出相应改进措施。为地铁盾构施工阶段的成本风险分析提供了一种较为客观的评价方法。     

模糊优选神经网络在水利投资项目评价中的应用

建立了一个三层前向式神经网络结构,将模糊优选理论与神经网络理论相结合,通过改进的BP算法对网络进行训练,并把该网络用于水利投资项目的评价,应用成果表明模糊优选神经网络用于水利投资项目评价结果更加合理,并且具有简单实用、客观准确的优点,有着广泛的应用前景。     

Research on the credit classification of practicing qualification personnel in construction market based on self organizing neural network

Combining with the characters of the practicing qualification personnel in construction market,evaluation method based on the self-organizing neural network is brought out to analyze the credit classification of the practicing qualification personnel. And the impact factors on the credit classification of the practicing qualification personnel,such as the number of neurons,the training steps,the dimension of neurons and the field of winning neurons are studied. Then a self-organizing competitive neural network is built. At last,a case study is conducted by taking practicing qualification personnel as an example. The research result reveals that the method can efficiently evaluate the credit of the practicing qualification personnel;thus,it could provide scientific advice to the construction enterprise to prevent relevant discreditable behaviors of some practicing qualification personnel.     

模糊神经网络在信息系统安全评价中的应用

随着科技的发展信息系统也越来越复杂化,传统的方法已不能满足信息系统安全评价准确度的要求。为了能进一步提升信息系统安全评价的准确性,通过将模糊评价方法与BP神经网络方法相结合,提出了模糊神经网络综合评价方法。充分利用了模糊评价方法强的模糊性识别能力和BP神经网络的非线性处理能力,从而更为有效地对系统进行安全评价。实验结果验证了算法的有效性,并通过与模糊评价方法和BP神经网络方法进行对比验证了算法的优越性。     

BP神经网络优化网络科技文献共享评价体系

以网络科技文献共享的评价为对象,构建初选指标结构,对指标体系优化的主流评价方法进行研究及综述,在分析了各个评价方法的优劣的基础上确定运用BP神经网络的方法对初选的指标体系进行优化。然后基于BP神经网络对指标体系进行优化的方法及过程进行了论述。最后利用BP神经网络方法求取各项指标的权重,分析各个指标在整个指标体系中的重要程度,修改初选指标体系,进而达到优化的目的。     

基于BP神经网络的隧道下穿既有运营地铁线注浆施工参数预测——以广州地铁18号线隧道注浆工程为例

新建隧道下穿既有运营地铁线施工过程中极易对既有运营地铁线产生不利影响,而广泛采用的超前预注浆尚处于以经验性选取注浆施工参数的阶段,导致工程事故频发。为此,首先以开挖段地层物性参数、地层位移变化值作为输入层,注浆施工参数为输出层,构建了基于BP(back propagation)神经网络的注浆施工参数预测模型;其次,以MAPE(mean absolute percentage error)作为预测精度评价指标,采取试算法对BP神经模型参数(隐含层节点数目、学习率)进行了探讨;最后,将提出的BP神经网络用于指导工程实践。研究结果表明：当BP神经网络预测模型隐含层节点数为9、学习率为0.01、训练次数为20 000以及精度目标值为1×10^-4时,模型适用性评价显示预测值与监测值之间最大相对误差为19,平均相对误差均低于13,说明提出的BP神经网络预测模型可行;进一步的工程应用结果表明：采用预测的注浆施工参数进行注浆后掌子面稳定、开挖过程中未发生隧道塌方等事故,满足相关规范要求。研究成果也可在隧道下穿其他结构或建筑物灾害防控注浆工程中得到推广应用。