基于LMBP神經(jīng)網(wǎng)絡(luò)的國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)研究

孫文建+楊文亞

摘 要： 國(guó)際工程承包項(xiàng)目面臨的風(fēng)險(xiǎn)因素眾多，給項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)帶來(lái)了很大的難度，積極尋求合理有效的方法對(duì)國(guó)際工程風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)尤為重要。通過(guò)建立國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，對(duì)傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，提出LMBP神經(jīng)網(wǎng)絡(luò)模型，避免了其難收斂和收斂時(shí)間長(zhǎng)的弊端，建立LMBP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型，用模糊綜合評(píng)價(jià)方法驗(yàn)證其準(zhǔn)確性和可靠性。最后以馬來(lái)西亞的一個(gè)項(xiàng)目為例，實(shí)證其風(fēng)險(xiǎn)評(píng)價(jià)的實(shí)用性。

關(guān)鍵詞： 國(guó)際工程； LMBP神經(jīng)網(wǎng)絡(luò)； 風(fēng)險(xiǎn)評(píng)價(jià)； 風(fēng)險(xiǎn)管理

中圖分類號(hào)： TN711?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）23?0109?04

Abstract： The various risk factors exist in the international engineering contracting project， and bring great difficulties to risk evaluation of the project. It is particularly important to seek the reasonable and effective methods for international engineering project risk evaluation. The index system of the international engineering project risk evaluation is established to improve the traditional BP neural network model. The LMBP neural network model is proposed to avoid the drawbacks of difficult convergence and long convergence time. The evaluation model of LMBP neural network was established， and its accuracy and reliability were verified with fuzzy comprehensive evaluation method. Taking the project in Malaysia as an example， its practicability of risk evaluation was demonstrated.

Keywords： international project； LMBP neural network； risk evaluation； risk management

0 引 言

我國(guó)國(guó)際工程業(yè)務(wù)經(jīng)過(guò)多年發(fā)展，國(guó)內(nèi)承包商承接國(guó)際工程從合同金額到營(yíng)業(yè)額均快速上升，對(duì)外承包工程業(yè)務(wù)涉及全球范圍[1]。“一帶一路”這一國(guó)家級(jí)頂層戰(zhàn)略實(shí)施后，中國(guó)內(nèi)地企業(yè)躋身全球最大國(guó)際工程承包商，數(shù)量居全球第一位[2]。

以國(guó)有企業(yè)為主體的中國(guó)承包商的項(xiàng)目管理能力已經(jīng)跟不上復(fù)雜多變的市場(chǎng)環(huán)境[3]。企業(yè)項(xiàng)目風(fēng)險(xiǎn)控制與管理能力等都有待于提高，加之缺乏國(guó)際型、復(fù)合型人才，既不熟悉了解國(guó)際工程市場(chǎng)規(guī)則、管理模式和風(fēng)險(xiǎn)控制[4]，又缺乏使用在國(guó)際工程上的先進(jìn)管理工具[5]，對(duì)項(xiàng)目實(shí)施中出現(xiàn)的問(wèn)題往往根據(jù)國(guó)內(nèi)經(jīng)驗(yàn)來(lái)制定方案，導(dǎo)致決策失誤，造成項(xiàng)目虧損。

因此，對(duì)國(guó)際工程項(xiàng)目的風(fēng)險(xiǎn)評(píng)價(jià)就尤其重要，目前研究者們使用較多的是層次分析法、蒙特卡羅模擬法[6]等方法，風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果主要取決于人的主觀性判斷。因此，這些方法得到的結(jié)果往往與實(shí)際存在著偏差。本文選用LMBP神經(jīng)網(wǎng)絡(luò)模型對(duì)國(guó)際工程承包項(xiàng)目進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)研究。首先，BP神經(jīng)網(wǎng)絡(luò)具有自主調(diào)節(jié)能力，可以依據(jù)歷史數(shù)據(jù)進(jìn)行調(diào)整。該模型可在多次訓(xùn)練后記憶專家們的評(píng)價(jià)數(shù)據(jù)，對(duì)風(fēng)險(xiǎn)因素進(jìn)行量化，通過(guò)大量的樣本削弱人的主觀意志影響，使評(píng)價(jià)更準(zhǔn)確[7?8]。其次，神經(jīng)網(wǎng)絡(luò)能不斷的通過(guò)樣本訓(xùn)練適應(yīng)外部環(huán)境變化，且能根據(jù)數(shù)據(jù)訓(xùn)練不斷更新自身，更加適合國(guó)際工程項(xiàng)目的風(fēng)險(xiǎn)評(píng)價(jià)。

1 國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

本文建立風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系采用RBS層次性風(fēng)險(xiǎn)分解結(jié)構(gòu)的方法，分解對(duì)象為風(fēng)險(xiǎn)事件，分解方法根據(jù)風(fēng)險(xiǎn)的構(gòu)成來(lái)劃分。

針對(duì)具體項(xiàng)目，再以風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系為基礎(chǔ)，采用更具針對(duì)性的、非開放的德爾菲專家調(diào)查法，如本文的案例馬來(lái)西亞某項(xiàng)目，根據(jù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系設(shè)置調(diào)查問(wèn)卷，得到該項(xiàng)目在馬來(lái)西亞工程市場(chǎng)各風(fēng)險(xiǎn)因素的頻數(shù)，如表1所示。本文將頻數(shù)出現(xiàn)在5次以上的風(fēng)險(xiǎn)因素納入該項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中，構(gòu)建如圖1所示的國(guó)際工程承包項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)體系。將風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系與圖1的指標(biāo)體系對(duì)比可看出，根據(jù)具體國(guó)家地區(qū)工程項(xiàng)目建立指標(biāo)體系更具針對(duì)性，也更符合實(shí)際情況。

2 LMBP神經(jīng)網(wǎng)絡(luò)模型

2.1 傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型的不足與改進(jìn)

從BP神經(jīng)網(wǎng)絡(luò)模型的運(yùn)算過(guò)程可以發(fā)現(xiàn)，網(wǎng)絡(luò)誤差受權(quán)值和樣本數(shù)量的影響，只有當(dāng)某一點(diǎn)的出現(xiàn)導(dǎo)致全局的網(wǎng)絡(luò)誤差最低時(shí)，全局才達(dá)到最優(yōu)，神經(jīng)網(wǎng)絡(luò)建立才完成，這也是傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)存在弊端的原因。

式中：[J]表示誤差對(duì)權(quán)值進(jìn)行微分得到的Jacobi矩陣；[e]表示誤差向量；[u]表示學(xué)習(xí)速率；[I]表示單位矩陣。

因此，采用LMBP神經(jīng)網(wǎng)絡(luò)模型與傳統(tǒng)的BP網(wǎng)絡(luò)模型相比，該方法能有效地解決收斂性能較差、收斂時(shí)間長(zhǎng)、迭代步數(shù)多等不足，更好地適應(yīng)風(fēng)險(xiǎn)評(píng)價(jià)的需要。

2.2 LMBP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

本文在Matlab軟件上設(shè)計(jì)LMBP神經(jīng)網(wǎng)絡(luò)模型，包括以下步驟：

（1） 確定輸入層節(jié)點(diǎn)數(shù)endprint

本文馬來(lái)西亞項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)體系中有9個(gè)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)因素，因此LMBP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為9個(gè)。

（2） 確定輸出層節(jié)點(diǎn)數(shù)

風(fēng)險(xiǎn)評(píng)價(jià)的結(jié)果為[0，1]區(qū)間的風(fēng)險(xiǎn)值，且惟一，因此輸出層只有1個(gè)節(jié)點(diǎn)。

（3） 確定隱含層層數(shù)和節(jié)點(diǎn)數(shù)

式中：[m]表示隱含層節(jié)點(diǎn)數(shù)；[n]表示輸入層節(jié)點(diǎn)數(shù)（本文為9）；[l]表示輸出層節(jié)點(diǎn)數(shù)（本文為1）；[a]為1～10之間的常數(shù)。本文得到最佳的隱含層節(jié)點(diǎn)數(shù)為9個(gè)。

（4） 確定網(wǎng)絡(luò)激活函數(shù)

隱含層的輸出層神經(jīng)元選擇Sigmoid函數(shù)作為激活函數(shù)，其函數(shù)公式如下：

（5） 網(wǎng)絡(luò)模型的建立

本文的風(fēng)險(xiǎn)評(píng)價(jià)模型為9×9×1的三層LMBP神經(jīng)網(wǎng)絡(luò)模型， 該網(wǎng)絡(luò)模型輸入向量由9個(gè)指標(biāo)構(gòu)成，隱含層有9個(gè)隱含節(jié)點(diǎn)。

（6） 權(quán)值和閾值初始設(shè)置

權(quán)值和閾值的初始設(shè)置關(guān)系到LMBP模型能否收斂。權(quán)值和閾值選取在區(qū)間[-1，1]或者[-2n，2n]之間。通過(guò)實(shí)踐，本文將權(quán)值和閾值取在[-1n，1n]范圍內(nèi)，從而網(wǎng)絡(luò)模型既收斂，且所需時(shí)間最短。

2.3 期望輸出值的確定

LMBP神經(jīng)網(wǎng)絡(luò)期望輸出值的確定采用模糊綜合評(píng)價(jià)方法，此方法得到的期望輸出值再與神經(jīng)網(wǎng)絡(luò)模型得出的實(shí)際輸出值相比較，可驗(yàn)證模型的準(zhǔn)確性。具體評(píng)價(jià)過(guò)程如下：

經(jīng)過(guò)模型的迭代計(jì)算，直至誤差達(dá)到要求后，計(jì)算停止，完成全部樣本訓(xùn)練。當(dāng)網(wǎng)絡(luò)權(quán)值和閾值確定后，即可認(rèn)為L(zhǎng)MBP神經(jīng)網(wǎng)絡(luò)模型建立完成，此時(shí)輸入評(píng)價(jià)項(xiàng)目的指標(biāo)數(shù)據(jù)，即可得到該項(xiàng)目的風(fēng)險(xiǎn)評(píng)價(jià)值。

3 案例應(yīng)用

3.1 訓(xùn)練樣本的采集

本文通過(guò)問(wèn)卷調(diào)查的形式對(duì)國(guó)內(nèi)承包商在馬來(lái)西亞的6個(gè)項(xiàng)目進(jìn)行調(diào)查，專家均具備豐富的國(guó)際工程管理經(jīng)驗(yàn)，且對(duì)馬來(lái)西亞工程市場(chǎng)有深入了解。首先，根據(jù)圖1的指標(biāo)體系對(duì)各因素進(jìn)行打分，得分值作為輸入值；期望輸出值根據(jù)模糊綜合評(píng)價(jià)方法求得，并根據(jù)表2確定其風(fēng)險(xiǎn)等級(jí)，將LMBP模型實(shí)際輸出值與期望輸出值進(jìn)行比較判斷獲得模型的誤差，并根據(jù)誤差反向傳遞不斷調(diào)整模型的權(quán)值和閾值。以項(xiàng)目1為例，利用模糊綜合評(píng)價(jià)法計(jì)算該項(xiàng)目的綜合評(píng)價(jià)值。

由此可見，訓(xùn)練成功的LMBP神經(jīng)網(wǎng)絡(luò)模型其實(shí)際輸出值與模糊綜合評(píng)價(jià)值的風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)是一致的，并且風(fēng)險(xiǎn)評(píng)價(jià)值誤差很小，說(shuō)明LMBP神經(jīng)網(wǎng)絡(luò)模型對(duì)國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)的方法具有可行性、可靠性。

3.3 LMBP神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用

根據(jù)已訓(xùn)練好的LMBP神經(jīng)網(wǎng)絡(luò)模型對(duì)馬來(lái)西亞項(xiàng)目進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)，首先，邀請(qǐng)專家對(duì)指標(biāo)體系下的各風(fēng)險(xiǎn)因素進(jìn)行打分，如表6所示。將指標(biāo)數(shù)據(jù)作為輸入值，讀入LMBP神經(jīng)網(wǎng)絡(luò)模型中，得到其輸出值為0.264 2，參照表2可知，其風(fēng)險(xiǎn)等級(jí)較低。同時(shí)，根據(jù)表4可知，項(xiàng)目2的風(fēng)險(xiǎn)評(píng)價(jià)值為0.268 5，該項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)值與項(xiàng)目2風(fēng)險(xiǎn)評(píng)價(jià)值相接近。因此，項(xiàng)目決策者可將項(xiàng)目2作為參考，參照項(xiàng)目2實(shí)施過(guò)程中的風(fēng)險(xiǎn)情況對(duì)本項(xiàng)目的風(fēng)險(xiǎn)管理做出預(yù)估。

4 結(jié) 語(yǔ)

隨著“一帶一路”政策的提出，越來(lái)越多的國(guó)內(nèi)承包企業(yè)參與到國(guó)際工程項(xiàng)目中，因信息的不對(duì)稱、風(fēng)險(xiǎn)的不確定性等因素，對(duì)風(fēng)險(xiǎn)的管理就尤為重要。在項(xiàng)目初期，運(yùn)用LMBP神經(jīng)網(wǎng)絡(luò)模型對(duì)國(guó)際工程項(xiàng)目風(fēng)險(xiǎn)進(jìn)行評(píng)估，并找到與之相匹配的項(xiàng)目，及早對(duì)項(xiàng)目采取預(yù)防措施，可有效防治風(fēng)險(xiǎn)。

參考文獻(xiàn)

[1] 陶玲，楊高升.國(guó)際工程承包法律風(fēng)險(xiǎn)管理研究[J].項(xiàng)目管理技術(shù)，2014（6）：64?68.

[2] 趙振宇，高潔.國(guó)際工程承包企業(yè)可持續(xù)成長(zhǎng)能力構(gòu)建及指標(biāo)體系研究[J].工程管理學(xué)報(bào)，2015（2）：153?158.

[3] 虞麗婷，林珒，袁競(jìng)峰.北美地區(qū)國(guó)際工程承包市場(chǎng)發(fā)展現(xiàn)狀分析及戰(zhàn)略研究[J].項(xiàng)目管理技術(shù)，2013（10）：58?62.

[4] 白瑾，高雋.國(guó)際工程承包的風(fēng)險(xiǎn)識(shí)別與評(píng)價(jià)[J].施工技術(shù)，2013（z1）：291?296.

[5] 羅和文.工程管理范疇及工程管理的重要性[J].工業(yè)C，2015（24）：1.

[6] 余治民，劉子建，董思科，等.基于蒙特卡洛模擬與響應(yīng)面方法的公差建模[J].中國(guó)機(jī)械工程，2015，26（4）：427?434.

[7] 焦斌，葉明星.BP神經(jīng)網(wǎng)絡(luò)隱層單元數(shù)確定方法[J].上海電機(jī)學(xué)院學(xué)報(bào)，2013（3）：113?116.

[8] 李翔，朱全銀.Adaboost算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)研究[J].計(jì)算機(jī)工程與科學(xué)，2013（8）：96?102.endprint