● 摘要
本文针对大型工程项目风险管理的复杂性，基于钱学森综合集成的思想建立了大型工程项目风险管理的综合集成系统框架，以此框架为纲，形成了风险识别、风险评估、风险预警、风险控制为主的大型工程项目综合集成体系；研究了适用于大型工程项目的风险识别、风险评估、风险预警模型，并应用于航天研制项目风险管理中。论文主要创新点如下：1. 提出了基于多Agent技术的大型工程项目综合集成系统框架，设计了各种功能的Agent以及Agent之间的协作过程，利用该框架实现的系统可智能化地实现工程项目的全过程集成风险管理，实现经验知识、理论知识、数据信息和计算机技术的有机结合，弥补单一学科知识和单一功能部门研究项目风险管理问题的不足。2. 建立了复杂系统风险识别的等级全息建模(HHM)模型。本文首先使用HHM技术识别风险，然后利用风险过滤、评级和管理(RFRM)对整体系统风险的大量贡献个体之间建立优先次序，过滤出关键风险，为以后对关键风险进行评价作铺垫。3. 提出了改进的风险评价模型——模糊信息熵权评价模型。针对熵值接近且趋向于1时对应熵权相差很大从而与熵传递信息不符合的现象，对已有的由熵值计算熵权的转换公式进行了改进，增强了熵权计算式的适用性。4. 建立了大型工程项目风险预警的支持向量机(SVM)模型，定义了大型工程项目风险的警度及预警算法。模拟结果表明SVM的预测结果接近实际数据；并将建立的SVM模型与神经网络(ANN)模型进行了对比分析，发现当训练样本数目大于7之后，支持向量机的推广精度小于0.05，能够满足预测要求。而BP神经网络模型所需要的训练样本数目必须大于11，它的推广精度为0.072，勉强满足预测要求。还发现增加BP神经网络的迭代次数对推广精度并无帮助。证明了在小样本学习能力和推广能力上，SVM方法要高于ANN方法，因而SVM方法在大型工程项目风险预警中具有更大的应用价值。5. 利用前面章节中的提出的方法和模型对航天研制项目的风险管理研究。设计了航天项目研制风险的识别、评价、预警模型。计算结果显示模型数据相对误差最大小于6%。残差介于-0.05与0.1之间，符合预测需要，模型可行。