随着工程类型的多样化,复杂化,越来越多的业主希望承包商提供项目总承包服务。总承包采用固定合同价,这将使承包商面临着巨大的风险。承包商必须在投标阶段对风险进行识别、分析评价,采取合理的措施,决定自留风险并确定风险补偿费率,而风险补偿费率的估计直接影响承包商中标率和利润回报。项目总承包风险具有不确定性,非独立性的特点,采用一般的数学模型对风险补偿费率进行建模很困难。本文基于此种情况进行研究。 本文通过对总承包的特点、模式、风险管理的论述,以某一承包商采用“设计-采购-施工”模式为例,应用层次分析法(AHP)对影响风险补偿费率的因素进行权重计算,确定了十二个主要影响风险的因素;在学习和深入研究神经网络的基础上,以十二个主要因素为输入元素,风险补偿费率为输出元素,利用MATLAB6.X对径向基函数神经网络(RBFNN)结构进行设计,建立模型;通过二十个样本的训练,两个样本检测,并利用模型对风险敏感性与依赖度进行分析,得到以下结论: 1 运用层次分析法对影响风险补偿费率的因素进行识别,确定了重要因素作为神经网络的输入变量,进而建立了影响总承包风险的重要因素与风险补偿费率之间的非线性函数关系。通过样本训练,获得了较好的网络逼近能力。 2 在满足同样精度情况下,选用RBF神经网络建模,训练速度很快,基本误差小,较好地解决了风险补偿费率的估计问题。 3 利用风险补偿费率的RBFNN模型,通过对输入因素数据变化,将得到结果进行分析,解决了非线性因素敏感性分析及因素之间的相互依赖度的问题。