学位论文 > 优秀研究生学位论文题录展示

基于支持向量回归的电力采购评标方法研究

作　者: 李潇
导　师: 李波
学　校: 天津大学
专　业: 管理科学与工程
关键词: 电力设备招标评标支持向量机寻优算法
分类号: F224
类　型: 硕士论文
年　份: 2010年
下　载: 56次
引　用: 0次
阅　读: 论文下载

内容摘要

在我国,电力行业是关系国计民生的基础性能源行业,承担着为我国经济和国家发展提供动力的使命,是保障人民正常生产生活、维护社会稳定性的支柱性力量。改革开放以来,我国经济的高速发展提高了人民物质文化生活水平,刺激了我国电力消费需求,促进了我国电力行业大规模的建设和发展。招标是电网公司获取电力设备和材料的主要手段,而评标是招标过程的核心环节,其科学性和公平性直接关系到采购的设备质量和电网公司的经营效益。传统的评标方法或多或少存在着局限性,对新评标方法的开发和应用是招标评审机构面临的重要问题。本文主要对电力招标采购中评标方法的选择问题进行了研究,提出了一种基于支持向量机理论的评标模型及其求解方法。首先,介绍了招投标的理论背景和电力行业招标评标现状,分析了一些传统评标方法的优劣势;其次,阐述了支持向量机的理论和原理,介绍了支持向量回归模型的求解步骤,叙述了两种参数寻优方法的基本思想;接着对支持向量机的适用性进行了分析,提出了将支持向量回归的思想应用到评标过程中。针对电力物资招标的特点,以变压器为例建立起一个具有科学实用性的评价指标体系,详细介绍了各指标的含义和量化方法,并由此得到基于支持向量机的评标模型。再者,以某省电网公司的一次框架招标的评标程作为案例,建立起基于支持向量机的评标模型;利用网格算法和粒子群算法对参数进行优化,得到针对案例数据的最优模型,并对两种寻参算法下模型的学习性能进行测试和分析。最后进行了电力设备采购评标仿真,阐述了新模型的在评标应用中实际意义。进一步的,指出了本文存在的不足之处,并从另一个角度对如何提高模型的学习和推广能力进行了初步研究,为将来进一步研究提供了新的思路。

全文目录

摘要  3-4
ABSTRACT  4-8
第一章绪论  8-16
  1.1 论文研究背景和意义  8-10
    1.1.1 问题的提出  8-9
    1.1.2 论文研究背景和意义  9-10
  1.2 国内外研究现状  10-14
    1.2.1 招标评标国内外应用和研究现状  10-12
    1.2.2 支持向量机国内外应用和研究现状  12-14
  1.3 本文结构  14-16
第二章电力行业招标评标现状和方法  16-26
  2.1 招标评标基本理论简介  16-17
    2.1.1 招标评标的概念  16
    2.1.2 招标对象的类别  16
    2.1.3 常见的招标方法  16-17
  2.2 电力行业招标现状和招标方式  17-18
    2.2.1 电力行业的招标现状  17
    2.2.2 电力行业的主要招标方式  17-18
  2.3 电力招标采购项目的评标方法  18-21
    2.3.1 传统评标办法  19-20
    2.3.2 基于现代决策理论的评标办法  20-21
  2.4 G 电力公司采购评标的原则和评标流程  21-25
    2.4.1 G 电力公司采购评标的原则  21-22
    2.4.2 G 电力公司采购的具体评标流程  22-24
    2.4.3 G 电力公司评标中的不足之处  24-25
  本章小结  25-26
第三章支持向量机的相关理论  26-35
  3.1 支持向量机的相关理论介绍  26-29
    3.1.1 支持向量机的概念  26
    3.1.2 支持向量机的基本原理  26-29
  3.2 支持向量回归模型的求解步骤  29-30
  3.3 支持向量回归中核函数的选择和参数的优化  30-34
    3.3.1 核函数选择和参数优化的意义  30-32
    3.3.2 基于网格搜索的参数优化  32
    3.3.3 基于粒子群算法的参数优化  32-34
  本章小结  34-35
第四章基于支持向量回归电力评标模型的建立  35-44
  4.1 支持向量回归应用于电力采购评标的可行性分析  35-36
  4.2 基于SVR 模型的电力评标指标体系的建立  36-42
    4.2.1 指标体系的建立  36-37
    4.2.2 指标说明与量化方法  37-42
  4.3 基于SVR 电网评标模型的建立  42-43
  本章小结  43-44
第五章案例分析  44-60
  5.1 案例背景  44-46
  5.2 基于SVR 的电力评标模型的实证  46-56
    5.2.1 模型求解过程的准备工作  46-49
    5.2.2 基于网格搜索算法的参数寻优  49-52
    5.2.3 基于粒子群算法的参数寻优  52-56
  5.3 基于SVR 的电力评标模型的仿真应用  56-59
    5.3.1 SVR 预测评价的原理和仿真  56-57
    5.3.2 结果分析和进一步改进  57-59
  本章小结  59-60
第六章总结和展望  60-62
  6.1 研究工作总结  60
  6.2 研究展望  60-62
参考文献  62-66
发表论文和科研情况说明  66-67
致谢  67-68
附录  68-70

基于支持向量回归的电力采购评标方法研究

内容摘要

全文目录

相似论文