水利工程監理評價與預警研究

余明國，鐘慧敏

(上饒市水利水電工程建設監理中心，江西 上饒 333300)

監理單位作為水利工程中不可或缺的一部分，是重點的監管對象之一，有效準確開展對監理管理工作的監督，成為建立監管部門最重要的任務之一，關系著工程本身的質量和安全[1]。

近年來，水利工程管理中暴露的問題逐漸突出，各單位之間的管理水平參差不齊，導致工程進度、質量、安全進展低效[2- 4]。為發揮監理在水利工程建設中應有的控制性作用，必須努力提升其整體行業的管理水平并建立一套行之有效的評價機制[5]；同時，需要監理單位內部加強管理，形成長效的內部評審及約束機制，才能杜絕或者減少在工作過程中的某些錯誤行為[6]；庹朝洪[7]，高翔[8]，王巧麗[9]等針對不同的工作內容，對監理的管理理念、措施和手段進行了詳細分析；趙培等則針對目前水利工程建設施工監理工作的現狀，基于AHP方法，建立起評價指標體系和評價閾值，對水利工程建設監理合同管理進行了探討[10]。

本文立足于當前水利工程建設監理管理中的主要工作模式[11]，基于模糊理論和遺傳BP神經網絡方法，建立起監理工作的綜合評價和預警模型，可為監理單位自查、監管單位監督提供一定的理論和實踐作用。

1 監理單位概況

江西某水利監理公司成立于2000年，是一個自負盈虧的股份制企業，經水利部批準2001年7月頒發丙級資格水利工程建設監理單位，2004年10月經水利部批準核定為乙級資格工程建設監理單位，2007年9月經水利部批準核定為甲級資格工程建設監理單位，可承擔各等級水利工程施工監理業務，現有注冊監理工程師及監理員共200余人。公司成立以來，截止2018年底，已簽定監理合同實施和正在實施的水利工程1000余項，其中中型水庫除險加固工程30余座、大型灌區5座、城市防洪工程30余項、大中型水閘、抬水壩等，在各項水利工程監理方面積累了較為豐富的經驗，產生了較好的經濟效益。

2 模型建立

2.1 模糊評價模型

根據國家相關法律法規，同時參考監理相關規范，確定了以資質支撐材料、公司管理、建立業務、信息管理、項目監理機構應備文件、現場監理機構以及監理工作等7個指標為一級指標，涵蓋包括財務、人員、合同、設備等42項因子的二級指標，建立起相應的綜合評價模型，見表1。

根據模糊評價理論，其主要的計算過程概述為：

(1)確定指標權重，即通過分析賦權，獲得一級指標權重W(1)=(w1，w2，…，w7)和二級指標權重=(w11，w12，…，w713)；

(2)確定評價矩陣，實現管理水平從定性到定量的描述，即有：

(1)

式中，i—一級指標；m—二級指標對應一級指標項數。

(3)綜合評價：通過指標權重和評價矩陣，最終可以得到監理單位管理水平的模糊綜合評價值：

M=Q·W1

(2)

再通過矩陣轉化，最終得到模糊綜合評價量化值：

E=M·TT

(3)

式中，E—綜合評價值；T—評語集矩陣，且T=[9，7，5，3，1]

表1 綜合評價指標體系的建立

2.2 BP預警模型

首先，以42個二級指標因子為輸入變量建立三層BP神經網絡，并通過經驗公式：

(4)

式中，N—隱含層節點數；m、l—分別表示輸入和輸出節點數)計算得到隱含層的節點數為12。

最終建立40- 12- 1的三層BP神經網絡，如圖1所示；其次，對輸入指標進行標準化處理，使其量化值處于[0，1]之間，并選擇Log-Sigmoid函數

f(x)=1/(1+e-1)

(5)

作為預警模型的激勵函數；經過網絡初始化，對隱含層和輸出層進行計算，并基于動量改進算法對權重值和閾值進行不斷的更新；當網絡輸出函數與目標函數值相差在一定精度范圍內時，計算終止，得到最終的目標函數E:

(6)

式中，E—目標函數；y—期望輸出；t—輸出層輸出值。

圖1 三層BP神經網絡

將目標函數作為預測模型函數，同時對模糊理論評價值的時間序列進行滾動預測，建立相應的預警圖，如圖2所示。預警圖根據評價值的大小，分為五個等級，即：優秀級、良好級、過渡級、低警戒級以及警戒級，可以通過走勢圖對監理單位的管理水平進行直觀了解和預測，可以起到工程建設過程中的事前預防控制，為決策者提供分析依據，并提醒其及時采取相應的措施，盡量避免和減少管理異常的情況發生，減少發生在工程中的事故和錯誤。

圖2 預警評價分區圖

3 結果分析

3.1 模糊評價情況

通過雙隨機抽取檢查，對該監理單位進行打分，然后進行權重組合，分別得到：二級指標權重向量為：W(2)=(0.005，0.010，0.015，0.020，0.028，0.014，0.025，0.022，0.020，0.030，0.017，0.024，0.028，0.025，0.019，0.036，0.021，0.040，0.028，0.022，0.024，0.020，0.014，0.090，0.054，0.036，0.008，0.013，0.012，0.012，0.012，0.033，0.036，0.039，0.045，0.024，0.030，0.015，0.021)，一級指標額權重值為：W(1)=(0.05，0.14，0.15，0.10，0.08，0.18，0.30)。

構建各一級指標的評價矩陣：

(5)

(6)

(7)

(8)

(9)

(10)

(11)

將權重值w和評價矩陣Q代入公式(2)，得到M=(0.0，62，0.229，0.353，0.241，0.116)，最大值為0.353，介于0.2～0.4之間，故該單位2018年的整體管理水平為一般，且模糊綜合評價的量化值為：

E=M·TT=4.76

(12)

3.2 預警情況

基于上述模糊理論評價方法，對該監理單位的2011—2018年的管理水平E依次進行計算，并進行歸一化處理，得到該監理單位管理水平評價值的時間序列情況，見表2。

表2 管理水平模糊評價值時間序列表

將2011—2016年數據作為訓練值，2017—2018數據作為檢測值，并設定學習速率為0.2，動量因子為0.2，目標函數誤差值為0.01，最大訓練步數為10000，運用MATLAB數值分析工具，對該監理單位的管理水平進行BP神經網絡計算，得到模型輸出值與評價值之間的相關關系，如圖3所示。從圖中可以看到：基于BP神經網絡模型的計算結果與評價結果基本保持一致，平均誤差僅為0.0041，小于0.01，表明該模型可以很好地預測建立單位的管理水平；同時，從圖中反饋的信息還可以看到，2011—2015年，該監理單位的管理水平整體處于良好狀態，而2016—2017年，則處于過渡狀態，這對該單位的長遠發展的影響敲響了警鐘，預示著該單位需要通過不斷改革、不斷創新來努力擺脫這一局面，2018年，在經過不斷的產業調整、人員調整和體制改革后，該監理單位管理水平有所提高重新回到良好管理水平狀態；通過數據分析，忽略外部其它環境因素的影響，對2019—2020年的管理水平進行預測，分別達到0.8和0.85，可見，該監理單位的管理水平將逐漸步入優秀級，可以預見該單位未來幾年將進入持續良好的黃金發展期。

圖3 輸出值與評估值對比

4 結論

以江西某監理單位為例，采用文中建立的模糊綜合評價模型，對該單位近年管理水平進行綜合評價和預警分析，結果顯示：綜合評價模型的輸出結果與評價結果平均誤差小于0.01，模型計算結果具有可行性和合理性，該單位目前正處于黃金發展期；研究成果對監理單位自查、監管單位監督提供了可靠的決策手段；限于統計數據有限，本案例僅對該監理單位近10年的管理水平進行了評估和預測，若能增加訓練和檢測值數目，可使研究結果更加貼近實際，可在以后工作中逐步開展和完善。