陳紅軍劉 波任 鑫

（1.中國礦業(yè)大學(xué)（北京），北京市海淀區(qū)，100083；2.中國誠通控股集團(tuán)有限公司，北京市豐臺區(qū)，100070）

基于專家未知權(quán)重群決策FANP和SVM的煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險評估

陳紅軍1，2劉 波1任 鑫1

（1.中國礦業(yè)大學(xué)（北京），北京市海淀區(qū)，100083；2.中國誠通控股集團(tuán)有限公司，北京市豐臺區(qū)，100070）

針對目前我國煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險因素多、風(fēng)險因素之間存在復(fù)雜影響關(guān)系、歷史可供借鑒項目案例少的實際情況，提出了一種基于專家未知權(quán)重群決策模糊網(wǎng)絡(luò)分析法（FANP）和支持向量機(jī)（SVM）的煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險組合評估模型。該模型能夠有效將專家經(jīng)驗變成系統(tǒng)內(nèi)在知識，提升風(fēng)險評估效率和質(zhì)量，從而取得更好的評估效果，更加切合當(dāng)前我國煤炭企業(yè)管理信息化項目建設(shè)現(xiàn)狀。

信息化項目 群決策 風(fēng)險評估 模糊網(wǎng)絡(luò)分析法（FANP）支持向量機(jī)（SVM）

1　引言

當(dāng)前，由于外部環(huán)境約束強(qiáng)化、市場需求增速放緩、超前產(chǎn)能過剩等因素影響，我國煤炭行業(yè)正處于深度結(jié)構(gòu)調(diào)整攻堅期。我國煤炭企業(yè)多是從傳統(tǒng)經(jīng)濟(jì)體制下轉(zhuǎn)型而來，原有管理模式比較粗放，通過加強(qiáng)管理信息化建設(shè)，煤炭企業(yè)可以提升生產(chǎn)運(yùn)營效率，提高自身綜合管理水平，實現(xiàn)降本增效、增強(qiáng)市場競爭力、推進(jìn)企業(yè)轉(zhuǎn)型升級的目標(biāo)。目前，煤炭企業(yè)信息化建設(shè)主要集中于安全生產(chǎn)過程的信息化，管理信息化水平仍處于初級階段。相對安全生產(chǎn)信息化項目，煤炭企業(yè)管理信息化項目實施牽涉范圍廣、涉及風(fēng)險因素多，項目實施更容易失敗。以ERP為例，根據(jù)資料，在實施ERP系統(tǒng)的煤炭企業(yè)中，一般只有10%～20%能夠按期、按預(yù)算實現(xiàn)系統(tǒng)集成，一般只有30%～40%的企業(yè)只實現(xiàn)部分功能，約50%的企業(yè)項目徹底失敗。為盡可能規(guī)避風(fēng)險，煤炭企業(yè)有必要在管理信息化項目實施前，對項目建設(shè)風(fēng)險進(jìn)行有效的風(fēng)險評估。從相關(guān)文獻(xiàn)看，近年來相關(guān)學(xué)者主要利用傳統(tǒng)分析和人工智能方法對風(fēng)險評估領(lǐng)域進(jìn)行研究，傳統(tǒng)方法主要包括決策樹法、層次分析法（AHP）、模糊綜合評判法等，這些方法有著深厚的理論基礎(chǔ)，在實踐中也有廣泛的應(yīng)用；人工智能分析法包括神經(jīng)網(wǎng)絡(luò)、灰色理論、貝葉斯網(wǎng)絡(luò)、熵理論等，智能方法的優(yōu)勢在于對評估專家主觀方面依賴程度較少，能夠在條件相對模糊或證據(jù)缺少的情況下，基于歷史信息對未來的風(fēng)險做出更接近于真實值的評估。目前，綜合傳統(tǒng)分析和人工智能兩種方法對風(fēng)險進(jìn)行評估已成為該領(lǐng)域研究的重點(diǎn)，近年來也取得了不少成果，如馬麗儀等對模糊綜合評判法和神經(jīng)網(wǎng)絡(luò)進(jìn)行組合對信息系統(tǒng)安全風(fēng)險進(jìn)行評價研究、付鈺等利用模糊理論結(jié)合熵權(quán)和神經(jīng)網(wǎng)絡(luò)組合對信息系統(tǒng)安全進(jìn)行評估、趙剛等綜合多層次模糊綜合評判及熵權(quán)理論對信息安全風(fēng)險進(jìn)行評估。目前，我國煤炭企業(yè)管理信息化建設(shè)正處于初級階段，可借鑒的歷史項目案例較少，同時項目建設(shè)牽涉的風(fēng)險因素較多，風(fēng)險因素之間還存在復(fù)雜的影響關(guān)系?，F(xiàn)有的文獻(xiàn)研究較多地利用單一專家對風(fēng)險因素權(quán)重進(jìn)行評判，缺乏信息的全面性，同時缺乏對具有復(fù)雜影響關(guān)系風(fēng)險因素權(quán)重的研究，所采用的智能分析方法也需要較多的歷史項目案例信息，評估方法不能很好地切合當(dāng)前煤炭企業(yè)管理信息化現(xiàn)狀。基于此，本文創(chuàng)新性地提出了專家權(quán)重未知的FANP模型，并將其與SVM方法相結(jié)合，在依賴的數(shù)據(jù)樣本較少的前提下，取得了比原有的層次分析、熵權(quán)、神經(jīng)網(wǎng)絡(luò)等方法更為客觀的效果，為煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險的有效評估提供了新的途徑和思路。

2　基于專家未知權(quán)重群決策FANP-SVM的煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險評估模型

2.1基本原理

2.1.1專家未知權(quán)重群決策

群決策是將多個專家決策集結(jié)為群體決策結(jié)果的過程。最優(yōu)群決策規(guī)則是體現(xiàn)群體成員決策的可能性最大，簡單來說就是盡可能讓大多數(shù)人滿意。基于此思路，設(shè)在多屬性群決策問題中，決策專家集Z=｛z1，z2，…，zs｝，專家zk的權(quán)重為rk，其中專家zk給出規(guī)范化決策矩陣其中，n為備選方案個數(shù)，m為衡量方案優(yōu)劣的屬性向量個數(shù)。則群決策矩陣B=（bij）n×m可表示為:

基于TOPSIS方法，求取專家權(quán)重向量R的核心思想是使群決策點(diǎn)盡可能接近所有專家決策的中心位置。首先，取群決策的正、負(fù)理想點(diǎn)分別為:則專家zk與理想點(diǎn)的距離可表示為:

求解方程組

可得到專家權(quán)重向量R。

2.1.2網(wǎng)絡(luò)分析法

網(wǎng)絡(luò)分析法（ANP）是通過構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)模型，以求解關(guān)系復(fù)雜且量化不易問題的方法。ANP是在層次分析法（AHP）基礎(chǔ)上發(fā)展起來，典型ANP由控制層和網(wǎng)絡(luò)層組成，其中控制層元素由目標(biāo)和決策準(zhǔn)則組成，所有決策準(zhǔn)則被認(rèn)為是相互獨(dú)立的控制層元素，控制層可以沒有決策準(zhǔn)則，但至少要有一個目標(biāo)；網(wǎng)絡(luò)層由受控制層支配的元素組組成，元素組及內(nèi)部元素可能存在相互作用和影響關(guān)系，如圖1所示。

設(shè)ANP控制層元素為P1，P2，…，Pm，網(wǎng)絡(luò)層元素組為C1，C2，…，CN，元素組Ci中的元素為ei1，ei2，…，eini（i=1，2，…，N）。以控制層Ps（s=1，2，…，m）為準(zhǔn)則，以元素組Ci中元素eil（l=1，2，…，ni）為次準(zhǔn)則，元素組Ci中其他元素對eil的優(yōu)勢度大小進(jìn)行比較，構(gòu)建判斷矩陣。通過優(yōu)勢度比較得出歸一化特征向量win，對win進(jìn)行一致性檢驗，如檢驗通過，則win為網(wǎng)絡(luò)元素排序向量。相對于其他元素的排序向量可同理得到，從而形成矩陣Wij:

圖1　ANP基本結(jié)構(gòu)

矩陣中，wij的列向量為Ci中元素ei1，ei2，…，eini對Cj中元素ej1，ej2，…，ejnj的重要程度排序向量，若Ci與Cj之間無影響，則Wij=0，可得到在元素Ps下的超矩陣W:

超矩陣W中，子塊Wij（i，j=1，2，…，N）為列歸一化的，但W卻是非歸一化的，因此以Ps為準(zhǔn)則，將Ps下的各組元素對準(zhǔn)則Cj的重要性比較，歸一化特征向量為:（a1j，a2j，…，aNj）T，若比較后無相互影響關(guān)系，則aij=0，對所有特征向量進(jìn)行綜合得到權(quán)重矩陣A。

2.1.3SVM

SVM是一種基于統(tǒng)計學(xué)理論、在小樣本情況下能夠最大限度提高預(yù)測可靠性的方法。SVM具有嚴(yán)格的數(shù)學(xué)基礎(chǔ)，建立在結(jié)構(gòu)風(fēng)險最小化準(zhǔn)則基礎(chǔ)上，其基本原理是尋找一個最優(yōu)分類面，使其對線性可分樣本的分類間隙最大。設(shè)n維空間中的樣本集合（xi，yi），i=1，2，…，l，xi∈Rn，y∈ ｛-1，1｝。該樣本集合的分類線方程為α·x+b=0，滿足

2.2基于專家未知權(quán)重群決策FANP-SVM的煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險評估模型

綜上所述，基于專家未知權(quán)重群決策FANPSVM的煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險評估方法的步驟如下（流程圖）所示:

（1）構(gòu)建風(fēng)險因素集與評判集。對項目建設(shè)風(fēng)險進(jìn)行系統(tǒng)識別，構(gòu)建風(fēng)險因素集C=（e1，e2，……en）和評判集V=（v1，v2，…vk），其中n為風(fēng)險因素個數(shù)，k為對應(yīng)評判集元素個數(shù)。風(fēng)險識別可按照風(fēng)險分解結(jié)構(gòu)（RBS）方式進(jìn)行分解，采用此方法同時有利于風(fēng)險因素ANP結(jié)構(gòu)模式的建立和求解。

（2）構(gòu)建風(fēng)險因素群決策FANP模型，求取風(fēng)險因素權(quán)重。根據(jù)風(fēng)險因素集C，分析因素之間影響關(guān)系，構(gòu)建ANP模型，并建立“0.1～0.9標(biāo)度”的因素模糊關(guān)系量化矩陣。選擇多位專家，分別進(jìn)行評價，并按照多屬性未知權(quán)重群決策的方法，首先求出各專家權(quán)重，然后將加權(quán)平均值作為此元素關(guān)系量化的群決策值，再根據(jù)ANP過程，計算風(fēng)險因素權(quán)重

（3）構(gòu)建模糊集合和隸屬度矩陣。專家根據(jù)評判集V對風(fēng)險因素C=（e1，e2，……en）進(jìn)行評價，給出各風(fēng)險因素評語，構(gòu)造模糊映射f:C→F（V），Ui→f（Ui）=（ui1，ui2，…，uim）∈F（V）。其中，映射f表示風(fēng)險因素C=（e1，e2，……en）對評判集中評語的支持程度。綜合多位專家的評價結(jié)果，計算風(fēng)險因素集C對評判集V的隸屬向量Ui=（ui1，ui2，…，uim），得到隸屬度矩陣P=（pim）n×m。

（4）計算項目風(fēng)險評估結(jié)果。對評判集V中各評語賦予相應(yīng)的權(quán)重，得到指標(biāo)權(quán)向量Q=（q1，q2，……qn），按照計算得到項目風(fēng)險評估結(jié)果。

（5）SVM訓(xùn)練和仿真。選取外部樣本案例，由專家進(jìn)行風(fēng)險評估，計算相應(yīng)樣本的隸屬度矩陣，構(gòu)建煤炭企業(yè)管理信息化SVM模型，將隸屬度矩陣中的元素值作為有限向量機(jī)模型的輸入向量，相應(yīng)的項目風(fēng)險評估結(jié)果作為風(fēng)險評價的輸出結(jié)果，對SVM模型進(jìn)行訓(xùn)練，得到評估對象的風(fēng)險值，并對風(fēng)險進(jìn)行評級，風(fēng)險等級0～0.2為底，0.2～0.4為較低，0.4～0.6為中等，0.6～0.8為較高，0.8～1為高。

圖2　專家未知權(quán)重群決策FANP-SVM的風(fēng)險評估流程

3　實例分析

煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險涉及4類風(fēng)險，如圖3所示，分別為企業(yè)組織管理風(fēng)險、C1系統(tǒng)軟件風(fēng)險C2、項目團(tuán)隊組織風(fēng)險C3、項目培訓(xùn)風(fēng)險C4。

圖3　煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險結(jié)構(gòu)分解圖（RBS）

3.1構(gòu)建風(fēng)險因素集及評判集

基于圖3，煤炭企業(yè)管理信息化建設(shè)總目標(biāo)風(fēng)險因素為P=｛C1，C2，C3，C4｝=｛企業(yè)組織管理風(fēng)險，系統(tǒng)軟件風(fēng)險，項目團(tuán)隊組織風(fēng)險，項目培訓(xùn)風(fēng)險｝。子目標(biāo)風(fēng)險因素集C1=｛e11，e12，e13，e14，e15，e16｝=｛對信息化認(rèn)知不足，管理高層參與支持不足，流程再造變革難度大，企業(yè)信息化需求不明確，專業(yè)人力資源儲備不足，業(yè)務(wù)基礎(chǔ)管理不規(guī)范｝；C2=｛e21，e22｝=｛軟件實施商選擇不當(dāng)，軟件技術(shù)性能不滿足要求｝；C3=｛e31，e32，e33，e34｝=｛項目團(tuán)隊能力配備不合理，項目溝通體系運(yùn)行不暢，項目團(tuán)隊核心人員不穩(wěn)定，項目管理技能比較缺乏｝；C4=｛e41，e42｝=｛關(guān)鍵用戶缺乏參與，最終用戶培訓(xùn)力度不足｝。因素集C1、C2、C3、C4之間兩兩相互影響，相同因素集中各個因素也相互影響（C2、C4中的元素相互獨(dú)立）。風(fēng)險評判集為V=（v1，v2，v3，v4，v5）=｛低風(fēng)險，較低風(fēng)險，中等風(fēng)險，較高風(fēng)險，高風(fēng)險｝。

3.2構(gòu)建風(fēng)險因素群決策FANP模型，計算風(fēng)險因素的權(quán)重

選取4個專家，以煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險C為準(zhǔn)則，以風(fēng)險元素組Ci（i=1，2，3，4）為次準(zhǔn)則，按照“0.1～0.9標(biāo)度”進(jìn)行兩兩比較，構(gòu)造兩兩模糊比較矩陣。元素集Ci相對于元素集Cj的重要性為aij，如兩個元素集相互之間沒有影響，則aij為0。以元素集C1，C2，C3，C4為例，4個專家給出的判斷矩陣如表1所示。

表1　控制層專家判斷矩陣

根據(jù)專家權(quán)重計算的步驟，通過MATLAB遺傳算法工具箱經(jīng)過多次迭代計算得到4位專家的權(quán)重分別為:0.431、0.252、0.179、0.138。通過圖4驗證，專家判斷矩陣的加權(quán)平均值，盡可能地靠近了每個專家決策的中心，能夠體現(xiàn)群決策的意義。

圖4　專家判斷矩陣加權(quán)驗證（RBS）

根據(jù)ANP的步驟，將上述專家判斷矩陣的加權(quán)平均判斷矩陣建立控制層超矩陣如表2所示，計算控制層極限超矩陣如表3所示。

表2　控制層超矩陣

表3　控制層極限超矩陣

同理計算網(wǎng)絡(luò)層超矩陣如表4所示、網(wǎng)絡(luò)層極限超矩陣如表5所示。

表4　網(wǎng)絡(luò)層超矩陣

指標(biāo)　e11　e12　e13　e14　e15　e16　e31　e32　e33　e34e31　0　0　0　0　0　0　0.000　0.325　0.379　0.431 e32　0　0　0　0　0　0　0.379　0.000　0.331　0.325 e33　0　0　0　0　0　0　0.331　0.245　0.000　0.245 e34　0　0　0　0　0　0　0.289　0.431　0.289　0.000

表5　網(wǎng)絡(luò)層極限超矩陣

由于C2、C4中的元素相互獨(dú)立，且（e21，e22）與（e42，e42）的加權(quán)判斷矩陣相同。根據(jù)AHP方法計算e21/e41與e22/e42的指標(biāo)權(quán)重分別為0.604和0.396。

對上述結(jié)果進(jìn)行模糊關(guān)系合成，得到綜合權(quán)重如表6所示。

表6　綜合指標(biāo)權(quán)重

3.3構(gòu)建SVM模型訓(xùn)練并仿真

通過MATLAB構(gòu)建SVM模型，含14×5個輸入向量和1個輸出向量。并經(jīng)過行業(yè)內(nèi)調(diào)查，得到16個相似煤炭企業(yè)管理信息化項目建設(shè)的樣本數(shù)據(jù)，分別計算所選16個樣本項目的理論風(fēng)險值與SVM預(yù)測風(fēng)險值，將1～10組作為訓(xùn)練組，11～15組作為測試組，16組進(jìn)行預(yù)測。設(shè)定學(xué)習(xí)速率為0.05，誤差限制在0.001，同時相應(yīng)地建立神經(jīng)網(wǎng)絡(luò)模型作為對照，利用MATLAB軟件進(jìn)行仿真訓(xùn)練，直到總體誤差滿足要求，這時閥值向量就固定下來，成為系統(tǒng)內(nèi)部知識。將預(yù)測組數(shù)據(jù)輸入訓(xùn)練完成的SVM模型，得到擬建設(shè)項目總體風(fēng)險數(shù)值為0.211，為較低風(fēng)險，該風(fēng)險等級可以作為指導(dǎo)項目風(fēng)險人員采取風(fēng)險對策的依據(jù)。表7為分別利用模糊理論的評估算法、SVM和神經(jīng)網(wǎng)絡(luò)的訓(xùn)練的結(jié)果。

圖5　樣本的理論值與預(yù)測值對照曲線

運(yùn)用SVM與神經(jīng)網(wǎng)絡(luò)預(yù)測方法，預(yù)測結(jié)果與樣本理論值對照曲線如圖5所示。圖6為SVM與神經(jīng)網(wǎng)絡(luò)預(yù)測誤差對照，可以看出相比神經(jīng)網(wǎng)絡(luò)方法，運(yùn)用SVM在較少的樣本下可取得更快的收斂度和更高的精度逼近由模糊理論計算得到的風(fēng)險值，從而驗證SVM模型在煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險評估中的優(yōu)越性。

表7　樣本的理論值與預(yù)測值

圖6　樣本預(yù)測誤差

4　結(jié)論

為提高風(fēng)險評估的準(zhǔn)確性，綜合多種方法，提出了基于專家未知權(quán)重群決策FANP和SVM的風(fēng)險評估模型。一定意義上消除了風(fēng)險評估過程中的專家偏見，并利用MATLAB軟件進(jìn)行仿真實驗，對SVM的預(yù)測與神經(jīng)網(wǎng)絡(luò)預(yù)測進(jìn)行了對照，驗證了模型的有效性。

（1）提出了基于TOPSIS理論的專家群決策信息集結(jié)方法，一定意義上克服了專家主觀性偏見對評估結(jié)果的影響。

（2）應(yīng)用SVM方法進(jìn)行風(fēng)險評估預(yù)測，通過與神經(jīng)網(wǎng)絡(luò)的對比試驗可以看出，SVM方法能夠更快收斂，且精度較高，尤其是對于小樣本預(yù)測，該方法更加合理。

（3）煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險具有高度一致性的風(fēng)險因素集，對于不同項目的風(fēng)險評估，該模型具有很強(qiáng)的適用性。

［1］ 陳紅軍，劉波，任鑫.基于改進(jìn)的WBS-RBS與FHAP方法的煤炭企業(yè)管理信息化項目建設(shè)關(guān)鍵風(fēng)險識別［J］.中國煤炭，2015（6）

［2］ 譚章祿，方毅芳.基于信息化的煤炭企業(yè)管控模式研究［J］.中國礦業(yè)，2014（3）

［3］ 常金明.煤炭企業(yè)信息化研究綜述［J］.遼寧工程技術(shù)大學(xué)學(xué)報（自然科學(xué)版），2013（11）

［4］ 董曉波，張同建，譚章祿.我國煤炭企業(yè)ERP實施成功因素實證研究［J］.礦業(yè)研究與開發(fā)，2010（12）

［5］ 黃俐.北京地鐵盾構(gòu)施工沉降風(fēng)險機(jī)理研究及評價模型構(gòu)建 ［D］.北京:中國礦業(yè)大學(xué)（北京），2012

［6］ 趙剛，劉換.基于多層次模糊綜合評判及熵權(quán)理論的實用風(fēng)險評估 ［J］.清華大學(xué)學(xué)報（自然科學(xué)版），2012（10）

［7］ 馬麗儀，張露凡，楊宜，范蓓.基于模糊神經(jīng)網(wǎng)絡(luò)方法的信息系統(tǒng)安全風(fēng)險評價研究 ［J］.中國安全科學(xué)學(xué)報，2012（5）

［8］ 付鈺，吳曉平，王甲生.基于模糊—組合神經(jīng)網(wǎng)絡(luò)的信息系統(tǒng)安全風(fēng)險評估［J］.海軍工程大學(xué)學(xué)報，2010（2）

［9］ 陳紅軍，劉波，任鑫.基于解釋結(jié)構(gòu)模型的煤炭企業(yè)管理信息化項目建設(shè)風(fēng)險要素分析 ［J］.中國礦業(yè)，2015（8）

［10］ 王俊英，李德華.群決策專家權(quán)重自適應(yīng)算法研究［J］.計算機(jī)應(yīng)用研究，2011（2）

［11］ 陳曉紅，劉益凡.基于區(qū)間數(shù)群決策矩陣的專家權(quán)重確定方法及其算法實現(xiàn)［J］.系統(tǒng)工程與電子技術(shù)，2010（10）

［12］ 鐘登華，蔡紹寬，李玉欽.基于網(wǎng)絡(luò)分析法（ANP）的水電工程風(fēng)險分析及其應(yīng)用［J］.水力發(fā)電學(xué)報，2008（2）

［13］ 賈俊峰，梁青槐.WBS-RBS與AHP方法在土建工程施工安全風(fēng)險評估中的應(yīng)用［J］.中國安全科學(xué)學(xué)報，2005（7）

Risk assessment of coal enterprise management IT project construction based on experts'unknown weight group decision FANP and SVM

Chen Hongjun1，2，Liu Bo1，Ren Xin1
（1.China University of Mining and Technology，Beijing，Haidian，Beijing 100083，China；2.China Chengtong Holdings Group Ltd.，F(xiàn)engtai，Beijing 100070，China）

In view of actual situation that China coal enterprises have many risk factors with complex influence relationship in management IT project construction at present and can learn from few project cases，the paper puts forward risk portfolio assessment model of coal enterprise management IT project construction based on experts'unknown weight group decision FANP and SVM.Combination model proposed in this paper can effectively change expert experience into internal system knowledge，promote risk assessment efficiency and quality，achieve better assessment effect，and be more suited to the status quo of China coal enterprise management IT project construction.

IT project，group decision，risk assessment，F(xiàn)ANP，SVM

F270.7 F426

A

陳紅軍（1974-），男，江蘇鹽城人，項目經(jīng)理，工程師，博士研究生，研究方向為工程管理信息化、企業(yè)信息化。

（責(zé)任編輯 溫子伯）

國家自然科學(xué)基金（41472259），北京市自然科學(xué)基金（4133085）