人工神經網絡在工程管理中的應用

徐志遠

自20世紀80年代以來,建筑工程管理出現了一些新的發展方向,這些新的管理模式要求有相應的技術來支撐,尤其是現在工程的規?；H化、動態化趨勢的發展,更要求我們具有相當好的管理技術。建筑工程中用于預測的方法很多,比如線性回歸預測、時間序列平滑預測法、趨勢外推預測、馬爾可夫預測法、灰色系統預測等方法。這些方法在以往工程預測中起著重要作用,但是隨著經濟的發展,社會進步的步伐不斷加快,對于經濟預測的精度要求不斷提高,因此各種預測方法的弊端也日益暴露,這就促使了新預測方法的出現,也就是最近研究比較熱門的神經網絡。神經網絡預測有多種,每一種都有各自的適用領域及優點。但是相對于其他預測方法在建設工程領域的應用,神經網絡有著絕對的優勢。這是由建設工程的復雜性、長期性及其基本構成的相似性所決定的。

1 工程管理發展新現象

1)大型、特大型、復雜、高科技的工程越來越多?，F代工程系統越來越復雜,要求社會化和專業化的工程管理。2)現代建設項目是研究、開發、建設、運行的結合,而不僅僅是傳統意義上的建筑工程。3)業主希望工程承包業像其他工業生產部門一樣提供最終使用功能為主體的服務;希望在工程中面對較少的承包商,消除工程項目組織責任體系中的盲區;要求承包商提供全過程的服務,保持管理的連續性,希望承包商與工程的最終效益相關,以調動各方面的積極性。這樣促進了新的融資模式、工程總承包方式和新的項目管理模式的普及。4)整個社會對工程的要求提高。人們要求建設工程必須具有與環境的協調和可持續發展的能力,在工程建設中必須保護環境,應盡可能減少資源消耗,照顧到工程相關者各方面利益,工程要經得住歷史的推敲。

2 神經網絡簡介

2.1 神經網絡的發展

人工神經網絡(Atificial Neural Network,簡稱ANN)是基于模仿大腦神經網絡結構和功能而建立的一種信息處理系統,是理論化的人腦神經網絡的數學模型。實際上,它是由大量簡單元件相互連接而成的復雜網絡,具有高度的非線性,能進行復雜的邏輯操作和非線性關系實現。神經網絡是一門新興綜合性邊緣學科,它最早出現在20世紀40年代,但是卻是在20世紀80年代后期真正迅速發展起來并廣泛應用于眾多學科的非線性模擬技術,尤其適合于模式識別和函數逼近等領域。目前比較成熟和常用的人工神經網絡誤差逆傳播系統(簡稱BP網絡)、Hopfield網絡、隨機型人工神經網絡、競爭型人工神經網絡、自組織特征映射神經網絡和對象傳播神經網絡。

2.2 人工神經網絡的結構特點

1)分布存儲性和容錯性;2)大規模并行處理能力;3)自學習、自適應和自組織能力;4)具有復雜的非線性動態系統特征。

3 人工神經網絡模型在工程管理中的應用

3.1 人工神經網絡在投標報價中的應用

建筑企業為了在激烈的市場競爭中取勝,必須在工程項目投標前分析影響投標決策的各種因素,如市場條件、自身情況、競爭對手情況及與投標工程相關的情況等等。這些因素絕大多數都是模糊變量,很難找到精確的關系來衡量它們對投標報價的影響程度,投標者往往根據以前相似工程的信息來推理工程報價,因此具有很大的不可靠性。人工神經網絡具有自組織性、自適應性,能夠處理不完全信息和各種因素之間非線性復雜關系?，F在很多人致力于基于人工神經網絡的工程承包招投標報價的研究,并已取得了一系列可喜的成果。如:Li(1996年)開發了基于人工神經網絡的工程投標報價決策支持系統。Li和Love(1998年)開發了神經網絡與規則庫組合的招投標報價專家系統。Li和L.Y.Shen提出了影響工程報價的10個因素,這10個影響因素為:項目規模、項目地點、建筑市場條件、競爭對手情況、項目類型、流動資金需求、管理費率、當前工作量、當地勞動力情況、項目的復雜性。并根據這10個因素,建立了基于神經網絡的一種報價模型,這種模型和普通的神經網絡模型有一些不同就是輸入層和隱層之間并沒有全互連,而是輸入層只是和代表輸入層種類的隱層所相連。輸出層為工程投標報價的報價率。

3.2 神經網絡在施工企業成本預測中的應用

用人工神經網絡構造的企業成本預測模型,可以綜合成本的各種組成,真實的模擬生產、管理各個環節的活動,跟蹤價值鏈的構成,適應企業的成本變化,預測的可靠性強。利用人工神經網絡對銷售額進行仿真試驗,可以準確的預測未來的銷售額。另外,該方法在其他各類企業的信用風險、財務風險、金融風險的評級和評價方面也得到大量應用。與其他應用方法比較,它具有處理非線性問題的能力和自學習的特點。單一網絡模型和組合網絡模型是兩種常用的時序預測模型。組合網絡可以克服單一網絡模型的過渡擬合問題,提高預測能力和預測精度,減少系統偏差。

3.3 神經網絡在施工風險管理中的預警作用

建筑管理中許多領域都涉及到風險分析和風險預警的問題,兩者都包括許多不確定的因素和風險因素,這些因素使企業的管理經營具有風險性,并且有些風險直接影響到企業的生存發展和企業對未來的長遠規劃。及時、準確地對企業經營風險做出預警,并迅速采取合理、有效的措施與決策,是規避風險的有效途徑。目前,企業基本上都是采用計量經濟模型、因果分析及邊際效應分析等方法來建立企業風險預警系統,預測和分析所經歷的運行狀態。但這些方法存在著一定問題,而利用神經網絡的非線性映射和模式分析的能力,可以建立比較完善的動態的風險預警系統。

3.4 神經網絡在招投標資格審查中的應用

招投標資格預審的人工神經網絡評判法,能夠處理資格預審中存在的不確定性并且較科學全面地考察和選擇承包單位。本文在理論上就該方法進行探討,在實際應用中可應用多個同類工程招投標實例對網絡進行訓練。人工神經網絡評判法只需評審人員給定各評審因子的模糊初始等級和隨機初始權值即可,其余工作由計算機完成,可以最大限度地減少人為因素的影響。為避免每一次招投標都要進行網絡學習訓練,即為了使網絡具有一定的通用性,可以根據招標要求將工程項目招標分成幾種類型,由于每種類型工程的招投標對投標單位的要求都大致相同,故同種類型的工程招投標只需要訓練一種神經網絡,這就提高了神經網絡方法的實用性和通用性。根據招投標工程的具體要求和投標單位的實際情況來確定通過資格預審的最低指標值。

4 結語

人工神經網絡在工程管理各個領域中的應用,為工程管理的順利進行提供了保障,克服了以往的常用方法的缺陷,解決了很多工程難題。比如在工程造價預測中的應用,它利用了神經網絡具有自學習、自組織、自適應的特點,建立了具有反饋系統從而不斷調節誤差的BP算法,減少了人為主觀的參與,這使得造價預測結果更加貼近實際,更加精確。在評標過程中的應用亦是如此。但是,神經網絡作為新興學科,在理論和實踐中,還有很多不完善和不成熟的地方,又在一定程度上制約了它的實際應用。

[1]蔣宗禮.人工神經網絡導論[M].北京:高等教育出版社,2003.

[2]張建坤,成 虎.對工程管理專業地位和學科體系的思考[J].建筑經濟,2007(7):56-57.

[3]劉亮晴,嚴 薇.基于人工神經網絡的投標單位資格預審評價法[J].重慶建筑大學學報,2005,27(4):97-101.

[4]王要武,徐韞璽.人工神經網絡在建筑管理中的應用[J].哈爾濱建筑大學學報,2001,34(5):103-107.

[5]尹 豪,朱曉麗.略論人工神經網絡方法在經濟管理領域的應用[J].現代管理論壇,2005(8):52-53.

[6]樓文高.高新技術項目投資風險的人工神經網絡綜合評價模型[J].科研管理技術與創新管理,2005,26(3):8-10.

[7]王永君.基于神經網絡的超聲—回彈法測強曲線的研究[J].山西建筑,2009,35(7):83-85.

[8]謝 德.人工神經網絡在房地產評估中的應用[D].武漢:武漢大學,2005.