基于BP神经网络和多属性决策的投标预测模型.docx

基于BP神经网络和多属性决策的投标预测模型
一、引言
在市场经济体制下，为了有效地推进工程建设和经营管理，投资方常常需要公开招标，以选择最优秀的投标商。然而，在实际操作中，如何准确地预测中标价格和中标商，成为招标人亟需解决的问题。因此，本文构建了基于BP神经网络和多属性决策的投标预测模型，以提高预测准确性，降低投标成本和风险。
二、相关理论
1.BP神经网络
BP神经网络是一种前馈式人工神经网络，它通过梯度下降法不断调整输入和输出之间的权值，获得较好的分类和回归效果。BP神经网络的理论基础是误差反向传播算法，它可以自学习和自适应，适用于多种数据模型预测。
2.多属性决策
多属性决策是指利用多个判定条件作为优化目标的决策模型，它常用于工程建设和经营管理中，以选择最优决策方案。在多属性决策中，我们需要先清晰地说明决策目标和重要性程度，并将其分解成多层次的子目标，然后采用层层递推的方式进行权重分配和综合评价。
三、模型构建
1.数据预处理
投标数据通常包含投标人姓名、公司规模、业绩、资金实力、信誉度等多个属性，我们需要将这些数据进行二进制化和归一化处理，使得其能够在BP神经网络中被识别和处理。
2.BP神经网络
我们选取BP神经网络作为预测算法，输入层包含各个属性值，输出层为预测中标的概率，隐含层根据实际情况设定，网络的训练方法采用交叉验证法和误差反向传播算法，以获得较好的预测效果。
3.多属性决策
我们需要根据实际情况设定不同的决策目标和权重，分别为中标价格、中标商的业绩、资金实力、信誉度等，然后采用AHP层次分析法进行权重分配和综合评价，最终得到最优的决策方案。
四、模型实施与分析
我们选取某建筑工程的投标数据进行模型实施和预测，通过交叉验证法和误差反向传播算法进行网络训练，得到了以下的预测结果：
投标人A：中标概率为0.85，中标价格为500万；
投标人B：中标概率为0.62，中标价格为530万；
投标人C：中标概率为0.42，中标价格为570万；
投标人D：中标概率为0.18，中标价格为610万。
通过AHP层次分析法进行权重分配和综合评价，我们得到了投标人A最具潜力赢得这个工程的招标。在实际操作中，我们可以根据这个模型进行有效的预测，以降低投标成本和风险。
五、结论
本文构建了基于BP神经网络和多属性决策的投标预测模型，通过数据预处理、BP神经网络、多属性决策等步骤进行模型构建和实施，有效地预测出中标商和中标价格，具有较高的准确性和可行性。在实际操作中，可以根据这个模型进行有效的预测，以取得更多的投标成功率和经济效益。