馬力 畢詩(shī)晗 吳崢 楊焱玲

(1. 大連理工大學(xué)商學(xué)院，遼寧 盤錦 124221;2. 大連理工大學(xué)建設(shè)管理系，遼寧 大連 116024)

0 引言

公路建設(shè)項(xiàng)目從立項(xiàng)、設(shè)計(jì)、施工到運(yùn)營(yíng)的全生命周期中存在著大量不確定因素，能否安全收回投資關(guān)系到對(duì)項(xiàng)目可能遇到的風(fēng)險(xiǎn)進(jìn)行識(shí)別、評(píng)價(jià)、監(jiān)控和應(yīng)對(duì)的過(guò)程，其中風(fēng)險(xiǎn)評(píng)價(jià)是承上啟下的重要環(huán)節(jié)。國(guó)內(nèi)學(xué)者大多運(yùn)用層次分析法、模糊綜合評(píng)價(jià)法、灰色理論等方法建立風(fēng)險(xiǎn)評(píng)價(jià)模型，基于人工神經(jīng)網(wǎng)絡(luò)方法的研究較少。人工神經(jīng)網(wǎng)絡(luò)與計(jì)算機(jī)相結(jié)合，可完成較復(fù)雜的建模過(guò)程，使整個(gè)風(fēng)險(xiǎn)評(píng)價(jià)過(guò)程實(shí)現(xiàn)智能化，還有較好的抗干擾能力和學(xué)習(xí)能力。本文基于BP 神經(jīng)網(wǎng)絡(luò)理論，使用Matlab 軟件神經(jīng)網(wǎng)絡(luò)工具箱構(gòu)建模型，進(jìn)行公路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)價(jià)研究，并應(yīng)用在實(shí)際工作中，驗(yàn)證其具有較好的使用效果。

1 公路建設(shè)項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

本文使用德?tīng)柗品ㄏ蛴嘘P(guān)專家進(jìn)行咨詢，根據(jù)調(diào)查結(jié)果，影響公路建設(shè)項(xiàng)目投資效益的因素大致包括以下六大方面:

(1)政治風(fēng)險(xiǎn)。主要指由于政策法規(guī)(土地政策、產(chǎn)業(yè)政策、金融政策、城市規(guī)劃等)不穩(wěn)定不連續(xù)、政局不穩(wěn)定、戰(zhàn)爭(zhēng)和罷工引起的社會(huì)動(dòng)蕩及其導(dǎo)致投資損失的情況。根據(jù)目前國(guó)情，上述風(fēng)險(xiǎn)中后兩類發(fā)生的概率很小，因此，本評(píng)價(jià)體系僅考慮政策法規(guī)風(fēng)險(xiǎn)。

(2)經(jīng)濟(jì)風(fēng)險(xiǎn)。主要指由于宏觀經(jīng)濟(jì)環(huán)境、市場(chǎng)環(huán)境和融資環(huán)境(稅率、匯率、銀行利率及其他投資收益率)變動(dòng)影響項(xiàng)目投資效益的風(fēng)險(xiǎn)。

(3)項(xiàng)目管理風(fēng)險(xiǎn)。在項(xiàng)目實(shí)施全過(guò)程中能否建立起規(guī)范、高效的運(yùn)作體系，采取行之有效的管理手段，直接關(guān)系到公路建設(shè)投資回收的安全性。公路建設(shè)項(xiàng)目啟動(dòng)階段主要受合同管理風(fēng)險(xiǎn)的影響，實(shí)施和收尾階段主要涉及人力資源、質(zhì)量、成本、安全、工期等方面的管理風(fēng)險(xiǎn)。上述風(fēng)險(xiǎn)因素都屬于項(xiàng)目管理范疇，故概括為項(xiàng)目管理風(fēng)險(xiǎn)。

(4)技術(shù)風(fēng)險(xiǎn)。技術(shù)是工程項(xiàng)目實(shí)施的基礎(chǔ)。公路建設(shè)項(xiàng)目中勘察設(shè)計(jì)的準(zhǔn)確性與科學(xué)性是最重要的，出現(xiàn)誤差導(dǎo)致的后果往往是最嚴(yán)重的;此外，很多特殊地段的公路建設(shè)隱含著各種未知的施工技術(shù)難度，發(fā)生事故的例子不計(jì)其數(shù);建設(shè)過(guò)程的進(jìn)度和質(zhì)量也易受設(shè)備故障的影響。故技術(shù)風(fēng)險(xiǎn)包括勘察設(shè)計(jì)風(fēng)險(xiǎn)、設(shè)備故障風(fēng)險(xiǎn)、施工技術(shù)難度風(fēng)險(xiǎn)等。

(5)環(huán)境風(fēng)險(xiǎn)。對(duì)于公路建設(shè)項(xiàng)目來(lái)說(shuō)，不良的天氣條件、水文地質(zhì)條件等自然環(huán)境會(huì)在很大程度上影響施工的進(jìn)度和技術(shù)難度。社會(huì)環(huán)境問(wèn)題，如拆遷問(wèn)題，當(dāng)?shù)厝罕娛欠衽浜虾椭С忠矔?huì)影響項(xiàng)目正常進(jìn)行。故環(huán)境風(fēng)險(xiǎn)包括水文地質(zhì)條件、天氣、社會(huì)環(huán)境風(fēng)險(xiǎn)等三類。

(6)營(yíng)運(yùn)風(fēng)險(xiǎn)。公路項(xiàng)目竣工完成后，營(yíng)運(yùn)環(huán)節(jié)的收費(fèi)風(fēng)險(xiǎn)會(huì)影響該項(xiàng)目的盈利能力，主要來(lái)自收費(fèi)價(jià)格高低和時(shí)間長(zhǎng)短兩方面因素。公路營(yíng)運(yùn)管理的狀況，包括配套服務(wù)設(shè)施的情況、服務(wù)人員的素質(zhì)和態(tài)度等，會(huì)影響到顧客滿意度，從而影響營(yíng)運(yùn)收入;公路建成后的維護(hù)保養(yǎng)是一個(gè)涉及生命周期的問(wèn)題，會(huì)受到多方不確定因素的影響。所以營(yíng)運(yùn)風(fēng)險(xiǎn)主要的風(fēng)險(xiǎn)因素包括收費(fèi)風(fēng)險(xiǎn)、營(yíng)運(yùn)管理風(fēng)險(xiǎn)和維護(hù)保養(yǎng)風(fēng)險(xiǎn)。

根據(jù)上述分析，建立評(píng)價(jià)指標(biāo)體系如圖1所示。

圖1 公路建設(shè)項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

2 BP 神經(jīng)網(wǎng)絡(luò)模型

基于公路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的非線性特征，本文選用BP (Back Propagation)神經(jīng)網(wǎng)絡(luò)方法來(lái)進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)。作為當(dāng)前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一，其主要優(yōu)點(diǎn)在于它模擬人腦神經(jīng)系統(tǒng)的某些特性，通過(guò)信息的分布式存儲(chǔ)和并行協(xié)同處理，實(shí)現(xiàn)從輸入到輸出的非線性復(fù)雜映射，具有強(qiáng)大的非線性函數(shù)逼近的能力。其基本原理此處不再贅述。BP 神經(jīng)網(wǎng)絡(luò)模型主要包括輸入層、隱層神經(jīng)元數(shù)和輸出層的設(shè)計(jì)，主要步驟如下:

2.1 輸入層的設(shè)計(jì)

BP 神經(jīng)網(wǎng)絡(luò)中輸入層的節(jié)點(diǎn)數(shù)一般由特征向量的維數(shù)所決定，因此選取適當(dāng)?shù)奶卣飨蛄渴浅晒Φ牡谝徊?。在公路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)價(jià)中，特征向量即是可能存在的風(fēng)險(xiǎn)因素。用(X，X，X，…，X)來(lái)表示n 維的特征向量，該評(píng)價(jià)中輸入層的節(jié)點(diǎn)數(shù)為n，其中每一個(gè)分量代表一個(gè)風(fēng)險(xiǎn)因子，由專家評(píng)定確定每個(gè)輸入向量的數(shù)值。

2.2 隱層神經(jīng)元數(shù)設(shè)計(jì)

隱層神經(jīng)元數(shù)量是決定神經(jīng)網(wǎng)絡(luò)能否成功構(gòu)建的關(guān)鍵因素。隱層神經(jīng)元數(shù)過(guò)少，神經(jīng)網(wǎng)絡(luò)無(wú)法獲取足夠的信息來(lái)完成較為復(fù)雜的運(yùn)算;隱層神經(jīng)元數(shù)過(guò)多，會(huì)使網(wǎng)絡(luò)發(fā)生過(guò)度訓(xùn)練，出現(xiàn)過(guò)度擬合問(wèn)題，還會(huì)降低訓(xùn)練效率。由于隱層神經(jīng)元數(shù)難以直接由計(jì)算得到，需要通過(guò)不斷的數(shù)據(jù)測(cè)試才能得到一個(gè)相對(duì)接近實(shí)際的估算值，因此，本文選用了一種較為常見(jiàn)的方法——試湊法來(lái)確定隱層神經(jīng)元數(shù)。試湊法是先根據(jù)使用者的經(jīng)驗(yàn)，設(shè)置某個(gè)數(shù)量的隱層神經(jīng)元訓(xùn)練網(wǎng)絡(luò)，然后逐漸增加或減少隱層神經(jīng)元數(shù)量，并用同一樣本集進(jìn)行訓(xùn)練，從中確定誤差最小時(shí)對(duì)應(yīng)的神經(jīng)元數(shù)量。在粗略確定隱層節(jié)點(diǎn)估計(jì)值時(shí)，可參考以下幾條經(jīng)驗(yàn):

(1)m=log2n，n 為輸入層節(jié)點(diǎn)數(shù)，m 為隱層節(jié)點(diǎn)數(shù)。

2.3 輸出層的設(shè)計(jì)

在BP 神經(jīng)網(wǎng)絡(luò)模型中，輸出向量的維數(shù)一般是由輸出信息的類別決定的，根據(jù)輸出的數(shù)值，可實(shí)現(xiàn)對(duì)被評(píng)價(jià)指標(biāo)狀況的模糊判斷。本文將公路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)等級(jí)劃分為低、較低、一般、較高、高五個(gè)等級(jí)，各等級(jí)對(duì)應(yīng)的區(qū)間值見(jiàn)表1。

表1 公路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)等級(jí)及對(duì)應(yīng)的區(qū)間值

3 應(yīng)用實(shí)例

JL 高速公路項(xiàng)目是國(guó)家高速公路網(wǎng)絡(luò)中泉州—南寧線內(nèi)的一段，位于江西省吉安市和萍鄉(xiāng)市行政區(qū)域內(nèi)。該項(xiàng)目由江西TD 公司2010 年通過(guò)公開(kāi)招標(biāo)方式中標(biāo)承建?？偼顿Y估算約為42億元人民幣。

3.1 樣本的選取

選取該省內(nèi)8 條已建類似公路項(xiàng)目作為BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和檢測(cè)樣本，由15 位專家對(duì)每個(gè)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)做出五個(gè)等級(jí)(低、風(fēng)險(xiǎn)低、一般、較高、高)的判斷，其對(duì)應(yīng)的區(qū)間值為: ［0，0.2)、 ［0.2，0.4)、 ［0.4，0.6)、［0.6，0.8)、 ［0.8，1.0］，統(tǒng)計(jì)對(duì)某指標(biāo)選擇各風(fēng)險(xiǎn)等級(jí)的專家人數(shù)，設(shè)其百分比為A1、A2、A3、A4、A5，各風(fēng)險(xiǎn)等級(jí)區(qū)間的組中值為0.1、0.3、0.5、0.7、0.9，則該指標(biāo)的評(píng)價(jià)值為

B=0.1A1+0.3A2+0.5A3+0.7A4+0.9A5

3.2 使用Matlab 神經(jīng)網(wǎng)絡(luò)工具箱建立BP 神經(jīng)網(wǎng)絡(luò)模型

本文用Matlab 軟件神經(jīng)網(wǎng)絡(luò)工具箱構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，建模參數(shù)設(shè)置步驟如下:

(1)輸入層節(jié)點(diǎn)的確定?；谠u(píng)價(jià)指標(biāo)體系，將圖1 中的19 個(gè)風(fēng)險(xiǎn)指標(biāo)變量作為輸入節(jié)點(diǎn)。

(2)隱層神經(jīng)元數(shù)的確定。具有1 個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)能夠以任意精度表示任何連續(xù)函數(shù)，因此本文將隱含層設(shè)置為一層。分別對(duì)隱層神經(jīng)元數(shù)量為9、10、11、12、13 的網(wǎng)絡(luò)進(jìn)行測(cè)試，結(jié)果顯示隱層神經(jīng)元數(shù)量為12 時(shí)誤差最小，由此確定本模型隱含層神經(jīng)元數(shù)為12，具體數(shù)值詳見(jiàn)表2。

表2 誤差對(duì)照表

(3)BP 神經(jīng)網(wǎng)絡(luò)模型的建立。輸出層節(jié)點(diǎn)數(shù)設(shè)為1 個(gè)，輸出結(jié)果為項(xiàng)目投資風(fēng)險(xiǎn)值。將8個(gè)樣本數(shù)據(jù)統(tǒng)一量綱，將計(jì)算結(jié)果輸入網(wǎng)絡(luò)。選前6 個(gè)樣本為訓(xùn)練樣本，后2 個(gè)樣本為測(cè)試樣本。具體數(shù)值如下:

由此，一個(gè)19*12*1 的神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)分析模型就建立起來(lái)，即19 個(gè)輸入節(jié)點(diǎn)，12 個(gè)隱層神經(jīng)元，1 個(gè)輸出節(jié)點(diǎn)。模型建立過(guò)程如圖2所示。

圖2 BP 神經(jīng)網(wǎng)絡(luò)模型的建立

然后設(shè)置主要訓(xùn)練參數(shù)，將訓(xùn)練函數(shù)設(shè)置為trainlm 函數(shù)，權(quán)值調(diào)節(jié)規(guī)則設(shè)置為learngdm 函數(shù)，網(wǎng)絡(luò)層數(shù)設(shè)置為3，性能函數(shù)設(shè)置為mse 函數(shù)，各層傳遞函數(shù)類型設(shè)置為trainsig，期望誤差設(shè)置為s =0. 000010，點(diǎn)擊training 訓(xùn)練網(wǎng)絡(luò)，訓(xùn)練過(guò)程如圖3 所示。

圖3 BP 神經(jīng)網(wǎng)絡(luò)工具箱的訓(xùn)練過(guò)程

由圖3 可知，當(dāng)網(wǎng)絡(luò)訓(xùn)練至第4 步時(shí)，誤差達(dá)標(biāo)，完成訓(xùn)練，誤差值為1.82e-13。

(4)模型的檢測(cè)。將第7、第8 兩個(gè)樣本的指標(biāo)值數(shù)據(jù)輸入已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，得出相應(yīng)的風(fēng)險(xiǎn)值，并將輸出結(jié)果與這兩個(gè)樣本的實(shí)際數(shù)值進(jìn)行對(duì)比，詳細(xì)實(shí)驗(yàn)結(jié)果見(jiàn)表3。

從表3 可以看出，由模型計(jì)算得出的輸出結(jié)果與實(shí)際數(shù)據(jù)十分接近，接下來(lái)就是要確定誤差是否是在設(shè)定的誤差范圍之內(nèi)。因此，本文繪制了輸出結(jié)果與實(shí)際數(shù)據(jù)的誤差對(duì)比圖和誤差的梯度變化曲線，詳見(jiàn)圖4、圖5。

圖4 輸出結(jié)果與實(shí)際數(shù)據(jù)的誤差對(duì)比圖

圖5 誤差的梯度變化曲線圖

表3 輸出結(jié)果

由圖4 和圖5 可以看出，該網(wǎng)絡(luò)模型迭代四次之后，誤差滿足設(shè)定標(biāo)準(zhǔn)，達(dá)到預(yù)期目標(biāo)。

(5)風(fēng)險(xiǎn)等級(jí)的確定及結(jié)果分析。將搜集到的JL 高速公路項(xiàng)目指標(biāo)數(shù)據(jù)進(jìn)行量綱化計(jì)算，得到R = (0.18，0.526 4，0.34，0.5，0.18，0.38，0.553 4，0.62，0.526 6，0.66，0.54，0.58，0.3，0.433 2，0.340 2，0.42，0.406 6，0.42，0.5)，代入經(jīng)檢測(cè)過(guò)的神經(jīng)網(wǎng)絡(luò)，得到輸出結(jié)果為0.407 7，對(duì)應(yīng)區(qū)間為［0.4，0.6)，風(fēng)險(xiǎn)等級(jí)為一般。與之前根據(jù)專家打分計(jì)算出的風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果相符，可見(jiàn)本文構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型可實(shí)際應(yīng)用于公路建設(shè)項(xiàng)目的投資風(fēng)險(xiǎn)評(píng)價(jià)，為管理者提供決策支持。

4 結(jié)語(yǔ)

本文結(jié)合我國(guó)公路建設(shè)的實(shí)際，使用德?tīng)柗品ù_立了由19 個(gè)要素組成的公路建設(shè)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。根據(jù)風(fēng)險(xiǎn)指標(biāo)的非線性特征，使用Matlab 軟件的BP 神經(jīng)網(wǎng)絡(luò)工具箱建立了評(píng)價(jià)模型。并用于評(píng)價(jià)江西省JL 高速公路項(xiàng)目的投資風(fēng)險(xiǎn)，得到評(píng)價(jià)結(jié)論與之前由相關(guān)專家打分得到的結(jié)果一致，驗(yàn)證了方法的可行性，可為公路建設(shè)項(xiàng)目風(fēng)險(xiǎn)管理提供決策支持。但限于研究條件原因，本文選用的樣本數(shù)量較少，繼續(xù)增加樣本數(shù)量，減少調(diào)查誤差，增強(qiáng)樣本代表性，建立公路建設(shè)項(xiàng)目風(fēng)險(xiǎn)管理實(shí)時(shí)數(shù)據(jù)庫(kù)，將是下一階段研究重點(diǎn)。

［1］ 張立明. 人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用［M］. 上海:復(fù)旦大學(xué)出版社，1993.

［2］ 羅成漢. 基于MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱的BP 網(wǎng)絡(luò)實(shí)現(xiàn)［J］. 計(jì)算機(jī)仿真，2004，21 (5):109-115.

［3］ 張中昱. 基于BP 神經(jīng)網(wǎng)絡(luò)和模糊綜合評(píng)價(jià)的環(huán)境分析評(píng)價(jià)系統(tǒng)［D］. 天津:天津大學(xué)，2006. PMT