论文部分内容阅读
风险预测是工程项目风险管理的重要基础，但是在项目管理中，人们更多的把注意力放在了项目管理的基本程序和方法上，而忽视了项目中所存在的风险及其管理的理论和方法。特别是国内工程建设中现代管理方法的应用一直比较缓慢，直接导致风险管理方法发展和更新的落后。因此，如何找到一种快速而又准确的风险预测方法就成了我们应该研究的一个重要课题。
风险分析及预测是项目风险管理的重要步骤，是对项目整体风险水平做出合理评价的过程。常见的风险分析方法主要有调查和专家打分法、模糊数学法、层次分析法，这些方法人为因素多而且手工计算繁琐；由于风险分析的主要依据是专家经验和历史项目资料，现在我们也经常利用人工神经网络分析工程项目投资风险，神经网络带有高度并行处理信息的机制，具有高速的自学习、自适应能力，但是该方法在确定网络结构、网络参数上存在困难，需要大量的训练样本才能保证对未来新的样本得到很好的结果，且易陷入局部极值，泛化能力差。
现在传统的渐进理论的学习方法，例如人工神经网络等，在训练样本点无穷多时是适用的。但是实际的情况是训练样本点数通常是有限的，甚至是很少的。因此在实际的工程应用中，支持向量机(SVM)作为一种新型的小样本建模分析工具是更适合的。基于结构风险最小化原则的支持向量机，一经提出便引起了很多研究者的关注，并取得了较多的研究成果，但是其目前的应用领域主要集中在模式识别领域，如语音识别、图像分析和文本识别等方面。本文在介绍支持向量机(SVM)基本原理的基础上，探讨了支持向量机在建设工程中应用的可能性和有效性，提出了基于支持向量机的项目风险预测算法，并且根据以往同类工程项目的数据作为学习样本，从而做出未知项目风险水平的预测。经过与传统的BP神经网络方法预测结果比较，表明该方法在较少训练样本的情况下具有精度高、泛化能力强的特点，取得了较BP神经网络建模方法更好的预测效果，为预测工程项目风险提供了一种新的方法。本文同时也说明了Libsvm软件在项目风险预测方面的应用。