基于CM、GCA、PCA和GA—BP的公共工程分包伙伴施工能力评价研究

基于公共工程分包伙伴施工能力评价的相关文献分析，确定了公共工程分包伙伴施工能力评价的决定因素，构建了公共工程分包伙伴施工能力评价的指标体系。运用云模型及云的不确定性推理，将定性评价指标量化为分值，并运用灰关联度理论，确定了各评价指标的权重和各评价对象的评价结果。通过主成分分析将众多指标进行综合，消除样本间的信息重叠，降低了BP神经网络的输入维数。将遗传算法引入BP神经网络训练，优化神经网络的权值和闽值，充分发挥遗传算法的全局寻优能力和BP算法的局部搜索优势，形成了一种新的GA—BP神经网络。针对分包伙伴施工能力评价系统的非线性特征和专家评价结果具有较强的主观性的特点，采用GA—BP神经网络高度非线性映射能力，对某高速公路建设工程的分包伙伴的施工能力进行了评价。实证结果表明CM、GCA、PCA与GA—BP神经网络相结合的方法，提高了评价结果的科学性和客观性。