作为经济建设的重要基础设施,高速公路在我国发展迅速,但其具有施工面广、线路长、施工时间长等特点,建设过程中存在较大风险。国际工程界将工程保险视作一种有效的风险管理手段,但我国工程保险发展相对落后,存在保险市场竞争不规范、统计数据匮乏等问题。保险费率厘定是开展保险工作的基础工作,也是重点、难点,费率不合理将损害保险各方利益,降低风险保障力度。目前国内费率厘定较为混乱,主要采用固定费率表计取费率,高速公路工程风险因素多,工程差异性大,该方法缺乏对风险情况的具体分析,难以反映工程真实风险水平。基于此,本文提出了一种较为科学合理的高速公路工程保险费率厘定方法,以期通过保险有效转移风险。本文在考虑工程风险及保险实际理赔情况的基础上,利用粒子群算法(PSO)优化BP神经网络的初始阈值及权值,建立了高速公路工程保险费率厘定模型。将该模型应用于34个工程保险案例,通过PSO-BP神经网络拟合保险样本中风险指标与费率之间的关系,实现费率预测。本文主要研究工作有:(1)介绍了研究背景及意义。广泛阅读了国内外相关文献,阐述了我国高速公路发展现状、工程保险对工程开展的重要性以及保险费率存在的问题,并在此基础上梳理、总结了国内外工程风险管理以及工程保险研究的现状及成果,为本文研究提供参考;(2)阐述了风险管理、工程保险、BP神经网络和粒子群算法(PSO)等相关的理论基础,为研究开展提供理论依据。(3)基于相关文献、法规,采用风险分解结构法(RBS)详细分析了影响高速公路工程保险费率的风险指标,并利用问卷调查法对指标体系进行优化,构建了包括自然灾害及意外事故风险、项目环境风险等7个指标的风险评价指标体系;采用风险矩阵法评价风险指标,建立评价标准;采用层次分析法确定风险指标权重,作为神经网络模型的参数。(4)构建了基于PSO-BP神经网络算法的高速公路工程保险费率厘定模型。采用PSO优化BP神经网络,获得网络的初始权值和阈值;选取了34个工程保险样本,针对各样本,计算其风险指标权重,并根据保险赔付率修正合同费率,使样本修正费率更接近实际风险情况,得到网络学习样本数据;通过PSO-BP神经网络拟合样本中风险指标权重与修正费率之间的关系,构建费率厘定模型,实现费率预测。对比分析PSO-BP神经网络与BP神经网络的费率仿真效果,得出结论:PSO-BP神经网络模型能较好的反映高速公路工程实际风险水平,使预测费率接近修正费率,预测准确度高,网络收敛速度快,适用于保险费率厘定。(5)实例分析。以某高速公路为例,采用所建模型进行费率厘定。并对13个样本的总体预测效果进行分析,结果表明采用PSO-BP神经网络高速公路工程保险费率厘定模型得到的费率更加接近工程真实风险情况,费率厘定合理。按承保前、承保后以及事故发生后等阶段阐述了工程保险是如何实现风险管理。