论文部分内容阅读
城市化进程加速c的同时带来了许多负面影响,其中水环境污染、水资源短缺等问题尤为值得我们注意,这些问题的有效解决离不开水务工程行业。水务工程行业项目的建设一般采用招投标的形式,而且招投标行业是个十分重视信用的行业,因此对参与水务工程行业招投标活动的企业进行资信评估的研究是十分必要的。此外,随着大数据时代的到来,电子招投标已逐步取代传统招投标成为了主要的招投标交易模式,电子招投标交易过程中产生的大数据为完善水务工程企业资信评价体系提供了充足的便利条件。本文针对现阶段水务工程电子招投标大数据末充分利用的问题,结合数据挖掘、遗传算法、神经网络算法等方法,从多种渠道进行了招投标交易相关数据信息的搜集,并对这些数据信息之间的内部联系与相互影响进行了研究,进而确定了用于水务工程企业资信评估的评估指标,并构建了相应的水务工程企业资信评估指标体系以及基于水务工程电子招投标大数据分析的企业资信评估模型。本文的研究工作主要包括以下几个方面:一、本文结合水务工程的行业特点,通过参考相关文献初步筛选出了企业资信评估的指标,接着运用灰色关联聚类分析方法对这些指标进行了二次筛选,去除了其中一些冗余度高的指标,确定了最终的企业资信评估指标体系。二、水务工程行业的企业资信评估指标体系确定后,以NMATLAB作为开发语言,应用RBF神经网络构建了评价模型,并通过测试样本数据对模型的合理性和可靠进行了验证。三、针对基于RBF祌经网络的水务工程企业资信评估模型中存在的不足之处,提出了应用遗传算法对该RBF神经网络模型进行优化以使得预测结果更为精确,同时应用测试样本数据对优化后的模型进行了验证。结果显示,基于遗传算法的RBF神经网络模型预测的准确率较高,可以应用于水务工程企业的资信等级评估,为招标方做出合理的决策提供依据。