论文部分内容阅读
选择一个合适的承包商是所有建设项目取得成功的关键,而资格预审程序恰恰能筛选出综合能力强的承包商。从本质上看,资格预审是一个多属性决策问题,通常包括许多不准确、不确定的信息以及决策者的偏好和主观判断,这些不确定性和主观性阻碍了目前广泛使用的资格预审方法的适用性。在目前的承包商资格预审过程中,对承包商信用水平的重视明显不够,而承包商信用水平的高低直接关系到工程项目的成败,因此,有必要对承包商信用水平的高低进行评价和预测,将结果作为承包商资格预审的重要参考。1.构建了基于AHP和模糊TOPSIS的承包商信用评价模型。首先用语言变量对承包商的信用指标进行评价,将语言变量转换成三角模糊数形成原始的决策矩阵,根据由层次分析法确定的指标权重形成加权的模糊评价矩阵,并以此构建正、负理想方案,计算各个承包商与正、负理想方案的距离,根据贴近度的大小对承包商的信用水平进行排序。2.分别构建了属性权重已知和属性权重信息不完全的承包商信用评价模型。在目前的工程实践中,决策者往往对承包商的属性值和属性的权重不能给出确定的值,而且经常对承包商存在一定的主观偏好,针对此类问题,基于区间数和灰色关联分析的基本原理,分别构建了决策者在对承包商存在主观偏好的情况下,属性权重已知和属性权重信息不完全的承包商信用评价模型,计算出决策者对承包商的主观偏好与客观偏好的灰色关联度,根据灰色关联度的大小对承包商的信用水平进行排序,并用算例验证了模型的可行性和有效性。3.构建了基于BP神经网络的承包商信用预测模型。对承包商信用进行合理的评价之外,根据已有的数据对承包商信用进行预测也是一种很好的衡量方法,以弥补承包商信用评价中缺乏长效约束的局限性,基于此,结合承包商信用特点和BP神经网络的特点建立一个承包商信用预测BP神经网络模型,运用两类分类模式,实现对承包商信用水平的分类预测。4.考虑业主目标的承包商资格预审模型的建立及敏感性分析。当前的资格预审过程中缺乏业主目标和资格预审指标之间的直接联系,基于此提出根据不同的项目目标来选择承包商的新思路,构建了基于模糊集理论的承包商资格预审模型,运用模糊关系的合成原理得出承包商与项目目标的关系,计算出在对业主目标进行评价的情况下的承包商综合评价值,并选择模型中的五个参数:目标的个数、指标的个数、目标的权重、指标的权重和承包商满足指标的程度来进行敏感性分析,得出指标权重的变化对结果影响最大。