首页 理论教育 基于PSO算法SVM的风险费用预测模型研究

基于PSO算法SVM的风险费用预测模型研究

时间:2023-09-22 理论教育 版权反馈
【摘要】:本文利用PSO算法优化SVM参数来预测风险费用,选用的内积核函数为上面介绍的第四类核函数——高斯径向核函数,以此达到提高估算的准确性的目的。以此将影响某标的项目的市场空间因素进行量化。

基于PSO算法SVM的风险费用预测模型研究

5.2.1 模型假设

(1)施工企业参与某项目竞标,能够在招标方获得竞争对手除技术和报价之外的信息,即可以获得参与竞标的对手数量和实力信息;

(2)根据标的项目的技术和质量要求,企业决策层可以估计本企业现有的技术条件对完成该项目的把握程度;

(3)参与竞标的承包商可以从以往工程经理以及对业主的资信调查中判断与业主的关系优劣程度;

(4)企业决策者可以根据以往项目的管理经验判断标的项目面临的风险因素对项目及企业的影响程度;

(5)本章投标报价计算方法取投标报价=工程成本+标高金,适用于总承包工程投标报价。

5.2.2 模型基础

SVM算法对核函数中选取参数的要求十分严格,因为参数的选择直接影响到模型的复杂程度和平衡分析的误差程度。SVM算法对参数进行优化的实质是实现参数误差的最小化[137]。本文利用PSO算法优化SVM参数来预测风险费用,选用的内积核函数为上面介绍的第四类核函数——高斯径向核函数,以此达到提高估算的准确性的目的。

PSO-SVM模型具体的操作步骤如下:

(1)确定样本数据;

(2)将随机产生的一组数据选为粒子的当前位置,c为粒子个体对应支持向量机的学习因子,核参数为σ2

(3)建立支持向量机的分析估算模型,粒子个体的适应值gi为该模型对样本数据的估算出错率;

(4)标记个体与全局粒子所对应的g(Gbesti和g(Qbesti,利用高斯径向核函数迭代公式对粒子的位置和速度进行连续更新;

(5)判断粒子个体的适应值和迭代次数是否符合条件。条件就是搜索的均值方差要小于估算出错率,如不符合此条件,返回步骤(3)重新分析直至符合条件;如符合条件,则可以确定粒子个体对应的最优SVM学习因子c和核参数σ2

5.2.3 影响投标报价因素的样本选择

本文通过参考相关文献的研究[50,103,138]并与具有多年投标经验的专家交流拟定影响投标报价风险费用确定的几个方面:市场竞争状况、企业的经营状况和工程本身特征以及其他意外因素,分析如下:

(1)市场竞争状况

市场经济的基本属性就是市场竞争。在中国的市场经济环境下,企业以本身盈利为出发点,为取得更好的发展条件、获得更多的市场资源而参与竞争。在竞争中企业优胜劣汰,同时生产要素也得到最优配置。

对于施工企业而言,投标的整个过程就是一个市场竞争的过程。在这一过程中影响企业投标报价的主要因素在章中概括为以下四个方面:市场空间规模、竞争对手数目、在建项目多少、期望获利比重。

1)企业在某一个时期可能有多个可选择的标的项目参与竞标,因此同期可供选择参与竞标的工程数量很大程度上可以体现市场空间规模这一影响因素的作用。但由于企业自身情况的限制,比如企业的地理位置、项目的地理位置、企业的发展战略等,不适宜用具体的标的项目数量来确定该指标的赋值,本文选择以同期可选择的标的项目数目区间来进行赋值,标的项目超过5个,则为“多”,赋值为1;标的项目3—5个,则为“中”,赋值为0.5;标的项目少于3个,则为“少”,赋值为0。以此将影响某标的项目的市场空间因素进行量化。

2)竞争对手数量当然也是市场竞争状况方面的影响因素。竞争对手多,往往导致报价不可偏高,因为企业需要考虑竞争者过多对中标概率的影响。同理,竞争对手很少甚至只有本企业一方参与竞标,例如项目中涉及非常专业的技术,只有本企业完美掌握这一技术,则报价即可偏高,即便这样,企业也可“有恃无恐”。竞争对手数目以在招标方获取信息为准。

3)企业在建项目工程数量也是重要的市场竞争方面的因素。因为企业在建项目过多,必然导致工程技术人员与设备等无法分摊到各个项目中去,因此企业对这一标的项目的中标期望不必太高,报价即可偏高;如果企业在建项目目前很少,大量机械设备和专业人员闲置,为了降低企业的沉默成本,企业应该重视本项目的中标概率,报价切不可偏高,以保证中标。赋值标准类似于“市场空间”因素的赋值标准。

4)本企业类似项目的期望获利率也是重要的市场竞争影响因素。这一因素的赋值以企业以往的统计资料数据为准。

(2)企业的经营状况

企业经营状况是指企业在生产并出售产品、跟踪服务的发展状态。企业经营状况对企业财务管理模式的作用主要体现在以下几个方面:经营规模的大小、不同的财务管理模式繁琐性、企业的购买条件及生产条件和出售条件。对于建筑施工企业而言,本文选取的与企业经营状况相关的影响企业投标报价的因素主要有企业技术条件、类似工程的盈利情况、类似项目的失标情况、施工企业与业主的关系及企业的地理位置情况等。

1)企业条件因素主要体现在企业现有专业人员和设备等的技术条件方面。根据标的项目的技术和质量要求,企业决策层可以估计本企业现有的硬件条件对完成该项目的优劣程度。如果判断企业在该项目上有绝对的专业优势,取值为1;完全没有优势取值为0,介于中间取值为0.5。

2)类似工程的盈利情况主要从企业的统计资料中以往类似工程上的报价利润率上体现出来。

3)针对类似项目或相同业主的以往项目失标情况也可以从企业的统计资料中获取。

4)承包商与业主的关系很大程度上影响了本企业的竞标报价。在建筑工程项目中,按照合同的管理目标,只有业主对工程项目满意,承包商才是成功的。承包商是产品出售方和提供服务者,而业主是工程的接收方和接受服务者。只有业主和承包商保持良好的合作关系才能促使工程顺利和不受阻碍地进行。参与竞标的承包商可以从以往工程经理以及对业主的资信调查中判断与业主的关系优劣程度。以往有过愉快的合作判断为优级关系,赋值为1;以往没有合作,但双方资信良好,可判断为中级关系,赋值为0.5;以往有过合作但并不顺利或者业主资信较差,可判断为较差关系,赋值为0。

5)地理位置这一影响因素关系到两个方面,一是企业本部的地理位置,二是项目所在地的地理位置。如果项目所在地与企业所在地同属一处或者距离较近,那么企业自然有绝对的地理位置优势;如果项目所在地与企业本部距离很远,该企业参与竞标则处于一定的劣势地位。所以地理位置这一因素主要体现在工程所在地是否对企业有利的程度上。距离较近为优级关系,赋值为1;距离适中为中级关系,赋值为0.5;距离很远为差级关系,赋值为0。(www.xing528.com)

(3)工程本身特征

工程本身的特征对企业的投标报价起到关键性的决定影响。本文归纳来自工程本身的特征主要为以下四个方面:技术含量、工程成本估算、工程风险和项目工期。

1)企业根据以往施工项目管理的经验可以判断本项目的技术含量及从技术上本企业完成这一项目的把握程度。如果判断企业在该项目上有绝对的技术优势,取值为1;完全没有优势取值为0,介于中间取值为0.5。

2)工程成本是承包人为实施合同规定的质量标准而必须产生的费用,包括人工、材料、设备、施工机械及企业管理等不同的费用和各种必须缴纳的规费和税金等项目费用的组合。对于总承包工程项目,工程成本是构成投标总报价的重头部分。因此对工程成本的估算非常重要。

3)在建设工程项目实施过程中,实际结果与预期目标往往差别很大,称之为工程风险。差异性包含损失和收益的不确定性,工程项目管理的一个重要内容就是工程项目风险管理。本文将项目风险因素以工程面临风险因素对项目的影响程度高低来进行项目风险影响程度的赋值。

4)项目工期也是影响投标报价的重要因素。本文在制定影响因素指标体系中将项目工期定义为业主方期望的项目工期,而非承包方计算的项目工期。

(4)其他

不同企业自身的经营情况不同,不同项目所面临的环境也不同,因此由于这些个体差异造成的影响因素也不容忽视。

详细的影响因素名称描述及对应指标值见表5.1。其中代号X1~X4是对市场目前竞争情况的反映,X5~X9是对企业的经营状况的反映,X10~X13是对所涉工程的具体特征的反映,X14表示除上述因素以外的、由于企业和项目个体差异造成意外因素的影响力。

表5.1 投标报价风险费用影响因素及取值范围表

(续表)

5.2.4 模型建立

(1)确定样本数据

选取样本空间为所研究案例企业的多个已完建设工程的投标报价实例作为研究对象,为保证计算的简便性,可选取工程实例合同金额均较相近的已完工程。同时为贴合企业的实际技术和管理能力,所选的研究对象均为企业的典型工程的数据。

(2)对样本数据的优化处理

确定分析样本为随机抽取的15组工程的数据,其余5组工程数据作为检验数据,结合投标报价的影响因素及取值范围确定指标值并建立表格。

为了提高对投标报价风险费用的估算精度,需运用公式在模型分析之前对数据进行优化处理,所运用的将数据在[0,1]区间内处理的优化公式[139]如下:

其中,min(P)为本组数据中的最小值,max(P)为本组数据中的最大值为确保数据的统一性,本文中设定,0≤Pi<0.25,取值为0;0.25≤Pi<0.75,取值为0.5,0.75≤Pi≤1,取值为1。通过公式计算,建立优化后的数据表

(3)估算模型的数据分析

设定输入变量为确定投标报价风险费用的影响因素,输出变量为估算的投标报价风险费用。选择随机抽取的15组工程案例数据作为分析样本,另外5组作为检验样本。根据本文算法,根据式(5.6)确定的非线型决策函数,运用MATLAB2015设置微粒群的以下搜索参数:

微粒群规模、向量维数、学习因子、最大粒子速度Vmax,迭代次数,SVM模型的最高均方差MSEmax

运行程序计算至迭代次数结束,搜索得到SVM的最优学习因子c和核参数σ2,求得模型的均方差MSE与设定的最高均方差比较,对比计算结果与分析理论的一致性。

(4)研究结论的检验与比较

分析完毕后将5组检验样本输入建立的PSO-SVM估算模型,得到检验样本的估算结果并计算检验数据的相对误差。如果误差足够小则可以证明PSO-SVM模型在投标报价的估算方面具备较高的优越性。

(5)确定取值区间

根据检验误差率确定本项目风险费用的取值区间。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈