楊姝，鮑學(xué)英，王起才，馮冰玉

(蘭州交通大學(xué) 土木工程學(xué)院，甘肅 蘭州 730070)

?

綠色鐵路客站施工管理評價模型構(gòu)建

楊姝，鮑學(xué)英，王起才，馮冰玉

(蘭州交通大學(xué) 土木工程學(xué)院，甘肅 蘭州 730070)

施工管理貫穿綠色鐵路客站建設(shè)過程的始終，需要對施工方的環(huán)境保護情況、資源節(jié)約情況和施工過程中的管理這3方面進行管理和評價。在現(xiàn)階段的評價方法上，對傳統(tǒng)的打分法進行改進，提出采用主觀動態(tài)權(quán)重與遺傳算法改進神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，建立新的施工管理評價模型。該模型的特點是能夠通過神經(jīng)網(wǎng)絡(luò)消除個別專家打分的主觀隨意性，最后通過實例驗證此方法，得出該模型具有一定的指導(dǎo)作用。

綠色鐵路客站；施工管理；動態(tài)權(quán)重；人工神經(jīng)網(wǎng)絡(luò)；遺傳算法

20世紀(jì)以來，工業(yè)化和城鎮(zhèn)化的推進極大促進了社會經(jīng)濟的發(fā)展，但與此同時，資源過度消耗、生態(tài)環(huán)境惡化等問題日益突出[1]。鐵路作為國民經(jīng)濟大動脈，是國家重要的基礎(chǔ)設(shè)施和大眾化的交通工具，在現(xiàn)代運輸體系中發(fā)揮著中流砥柱的作用[2]。為了適應(yīng)綠色GDP的發(fā)展目標(biāo)，走可持續(xù)發(fā)展的道路，我國提出了綠色鐵路這一概念。鐵路客站作為鐵路路網(wǎng)的重要節(jié)點，是鐵路運輸?shù)幕蛶映鞘邪l(fā)展不可或缺的重要元素，承擔(dān)著節(jié)能減排和最大效率利用能源資源的重任。因此，在圍繞國家節(jié)能減排工作的總原則下，我國以現(xiàn)行綠色建筑評價標(biāo)準(zhǔn)、綠色施工評價標(biāo)準(zhǔn)等為基礎(chǔ)，吸納“四節(jié)一環(huán)?！钡母鞣矫婀ぷ鹘?jīng)驗，頒布了《綠色鐵路客站評價標(biāo)準(zhǔn)》(TB/T10429—2014)?！毒G色鐵路客站評價標(biāo)準(zhǔn)》包含了節(jié)地與室外環(huán)境、節(jié)能與能源利用、節(jié)水與水資源利用、節(jié)材與材料資源利用以及室內(nèi)環(huán)境質(zhì)量、施工管理和運行管理7個方面。我國對于綠色鐵路客站評價的研究還處于探索階段，其中王彥[3]認(rèn)為綠色鐵路客站的建筑設(shè)計應(yīng)以被動設(shè)計策略為基礎(chǔ)；任濤[4]等對綠色鐵路客站評價標(biāo)準(zhǔn)中的節(jié)地與節(jié)水指標(biāo)進行了研究；黃詠梅[5]等人以武漢站為實例對綠色鐵路客站評價標(biāo)準(zhǔn)中的節(jié)能指標(biāo)進行了研究；鄭健等[6-8]參照國內(nèi)外的綠色鐵路發(fā)展?fàn)顩r，并結(jié)合國內(nèi)外現(xiàn)有的綠色建筑評價體系，對我國的《綠色鐵路客站評價標(biāo)準(zhǔn)》進行了研究與探討。施工管理貫穿綠色鐵路客站建設(shè)過程的始終，根據(jù)《綠色鐵路客站評價標(biāo)準(zhǔn)》，施工管理主要有環(huán)境保護、資源節(jié)約和施工過程管理3項指標(biāo)，目前我國對綠色鐵路客站施工管理方面的評價使用的是“打分法”，而且采用的是比較簡便的百分制計分，該方法的缺點是隨意性大、干擾性因素較多、各評價因素的權(quán)重易受到專家主觀因素影響[9]。在此基礎(chǔ)上，本文通過查閱相關(guān)資料，將主觀的動態(tài)權(quán)重與客觀的遺傳算法改進人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，建立科學(xué)的施工管理評價模型，并通過對蘭州至中川城際鐵路客站施工管理過程的評估，驗證了該模型對綠色鐵路客站建設(shè)的施工管理方面具有指導(dǎo)作用。

1　綠色鐵路客站施工管理GA—BP模型的建立

1.1BP神經(jīng)網(wǎng)絡(luò)模型

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出的一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)[10]，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)并存儲大量的輸入—輸出模式映射關(guān)系，其主要特點是信號向前傳遞，誤差反向傳播。BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)包含輸入層、輸出層和隱含層[11]。

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程步驟如下：

2)隱含層輸出計算。根據(jù)輸入變量X，輸入層和隱含層間連接權(quán)值wij以及隱含層閾值a，計算隱含層輸出Hj：

式中：l為隱含層節(jié)點數(shù)。

3)輸出層輸出計算。根據(jù)隱含層輸出Hj，連接權(quán)值wij和閾值b計算輸出層輸出Ok：

4)計算誤差。根據(jù)網(wǎng)絡(luò)預(yù)測輸出Ok和期望輸出Y計算網(wǎng)絡(luò)預(yù)測誤差ek：

ek=Yk-Okj=1,2,…，l

5)權(quán)值更新。

i=1,2,…,n;j=1,2,…，l

wjk=wjk+ηHjekj=1,2,…，l;k=1,2,…,m

6)閾值更新。根據(jù)網(wǎng)絡(luò)預(yù)測誤差e更新網(wǎng)絡(luò)節(jié)點閾值a,b。

bk=bk+ekk=1,2,…,l

7)判斷算法迭代是否結(jié)束，若沒有結(jié)束，返回步驟2)。

1.2遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

遺傳算法(Genetic Algorithms)是1962年由美國Michigan大學(xué)Holland教授提出的一種將自然界“優(yōu)勝劣汰，適者生存”的生物進化原理引入優(yōu)化參數(shù)形成的編碼串聯(lián)群體中的一種隨機化搜索方法，它按照所選擇的適應(yīng)度函數(shù)通過選擇、交叉和變異操作對個體進行篩選，保留適應(yīng)度值好的個體，淘汰適應(yīng)度差的個體，新的群體既繼承了上一代的信息，又優(yōu)于上一代，這樣反復(fù)循環(huán)，直至滿足條件[11]。

遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的基本思想就是對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進行優(yōu)化，通過選擇、交叉、變異操作尋找最優(yōu)個體，即BP神經(jīng)網(wǎng)絡(luò)最優(yōu)的初始權(quán)值和閾值。本文利用遺傳算法的全局搜索能力對BP神經(jīng)網(wǎng)絡(luò)進行改進，得到更好的網(wǎng)絡(luò)初始權(quán)值和閾值，避免陷入局部最優(yōu)[12]，彌補BP神經(jīng)網(wǎng)絡(luò)的收斂速度較慢以及出現(xiàn)局部最優(yōu)解的不足，建立合理的施工管理評價模型。

遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的計算步驟如下：

1)種群初始化。采用實數(shù)編碼方法，由輸入層與隱含層連接權(quán)值、隱含層閾值、隱含層與輸出層連接權(quán)值以及輸出層閾值4部分構(gòu)成一個實數(shù)串，隨機產(chǎn)生N個個體，構(gòu)成一個群體。

2)將訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測輸出和期望輸出之間的誤差絕對值作為個體適應(yīng)度，適應(yīng)度為F。計算每個個體的適應(yīng)度fi：

式中：n為網(wǎng)絡(luò)輸出節(jié)點數(shù)；yi為神經(jīng)網(wǎng)絡(luò)第i個節(jié)點的期望輸出；oi為第i個節(jié)點的預(yù)測輸出；k為系數(shù)。

3)采用輪盤賭法選擇優(yōu)良的個體，使其有機會作為父代進行下一代繁衍，保證了種群的多樣性。個體被選中的與其適應(yīng)度函數(shù)成正比，每個個體選擇的概率pi為：

4)以概率pc利用單點交叉法對染色體間進行交叉操作得到新的個體：

式中：f為種群中適應(yīng)度最大的染色體；fm為某一染色體的適應(yīng)度值；favg為群體的平均適應(yīng)度值。

5)在種群中隨機選擇個體以變異概率pm進行變異，改變基因中某個數(shù)據(jù)的值，使其適應(yīng)度值提高，開拓問題解的新空間：

式中：f為種群中適應(yīng)度最大的染色體；fm為某一染色體的適應(yīng)度值；favg為群體的平均適應(yīng)度值。

6)若找到滿意的個體或達到迭代次數(shù)則算法結(jié)束，否則返回步驟2)重新計算。

遺傳算法得到的最優(yōu)值分解為初始權(quán)值和閾值賦給BP神經(jīng)網(wǎng)絡(luò)，優(yōu)化過程見圖1。

圖1　遺傳算法優(yōu)化BP網(wǎng)絡(luò)Fig.1 Genetic algorithm optimize the BP network

2　主觀動態(tài)權(quán)重與GA-BP相結(jié)合的綜合評價模型

2.1施工管理評價指標(biāo)體系的建立

我國以現(xiàn)行綠色建筑評價標(biāo)準(zhǔn)、綠色施工評價標(biāo)準(zhǔn)等為基礎(chǔ)，頒布了《綠色鐵路客站評價標(biāo)準(zhǔn)》。通過查閱參考文獻和最新頒布的國家標(biāo)準(zhǔn)，首先確定了環(huán)境保護、資源節(jié)約和施工過程管理3個1級指標(biāo)，在參照《綠色鐵路客站評價標(biāo)準(zhǔn)》中施工管理方面各項指標(biāo)的評分規(guī)則和指標(biāo)屬性的基礎(chǔ)上，本文選取了與之相關(guān)的9個2級指標(biāo)來建立3層指標(biāo)評價體系[13-14]。具體指標(biāo)結(jié)構(gòu)見表1所示。

表1　綠色鐵路施工管理評價指標(biāo)體系

2.2綠色鐵路施工管理1級指標(biāo)的動態(tài)權(quán)重確定

對于綠色鐵路的施工管理，考慮到想實現(xiàn)的鐵路工程具體目標(biāo)有所差異，為了保證該工程的基本要求得到滿足，采用專家主觀動態(tài)權(quán)重[15]確定的方法對1級指標(biāo)賦權(quán)，其過程如下[16]：

1)各位專家獨自按指標(biāo)所屬級別對每一級指標(biāo)賦權(quán)。

5)將得出的同一級指標(biāo)權(quán)重歸一化處理，得到該級指標(biāo)最終權(quán)重。

2.3主觀動態(tài)權(quán)重和GA—BP的綜合評價

采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的方法，建立2級指標(biāo)到一級指標(biāo)客觀的GA-BP3層網(wǎng)絡(luò)模型，2級指標(biāo)作為神經(jīng)網(wǎng)絡(luò)的輸入端，共9個節(jié)點，輸出端為1級指標(biāo)，共3個節(jié)點(環(huán)境保護、資源節(jié)約、施工過程管理)。利用足夠多的樣本訓(xùn)練已建好的GA-BP模型，使得實際輸出接近期望輸出值，再經(jīng)專家采用主觀動態(tài)權(quán)重法確定一級指標(biāo)相對于目標(biāo)層的權(quán)重，最后經(jīng)加權(quán)計算得出鐵路客站施工管理評價值。

3　實例研究

蘭州至中川機場城際鐵路(蘭中城鐵)于2015年9月30日正式開始運營，線路全長63 km，全線設(shè)蘭州西站、陳官營、福利區(qū)、西固、蘭中新區(qū)和中川機場六個車站。其中蘭州西站于2014年12月26日正式啟用，總建筑面積23.3萬m2，其中站房工程面積為10萬m2，共13臺26線，施工過程中遵循綠色建筑的評價標(biāo)準(zhǔn)，現(xiàn)選取鐵路相關(guān)方面專家共計8人，對一級指標(biāo)進行主觀動態(tài)權(quán)重確定。

3.1評價指標(biāo)歸一化

2級評價指標(biāo)量度共有A，B，C，D和E5個標(biāo)準(zhǔn)，分別與0.9，0.7，0.5，0.3和0.1相對應(yīng)，A表示滿足評價標(biāo)準(zhǔn)90%的要求，為最優(yōu)狀態(tài)；B表示滿足評價標(biāo)準(zhǔn)的70%要求；C表示滿足評價標(biāo)準(zhǔn)的50%要求；D表示滿足評價標(biāo)準(zhǔn)的30%要求；E表示該指標(biāo)完全不滿足預(yù)定要求，為最差狀態(tài)。具體情況如表2所示。

表2　評價指標(biāo)取值量度

評審專家根據(jù)綠色鐵路客站施工管理評價2級指標(biāo)說明對蘭中西站2級指標(biāo)進行評定，評定結(jié)果如表3所示。

表3　2級指標(biāo)評定結(jié)果

3.2GA-BP模型設(shè)置

利用Matlab7.0建立具有一個隱含層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，對遺傳算法搜索到的最優(yōu)解進行訓(xùn)練，2級指標(biāo)評定結(jié)果作為神經(jīng)網(wǎng)絡(luò)的輸入，蘭州西客站建設(shè)前期的工程招標(biāo)文件等資料作為網(wǎng)絡(luò)輸出。選取相似工程施工管理階段的數(shù)據(jù)共50組，前40組用來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，后10組用來驗證BP神經(jīng)網(wǎng)絡(luò)。

通過Matlab軟件編程實現(xiàn)遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)擬合[17]，訓(xùn)練網(wǎng)絡(luò)過程中最優(yōu)個體適應(yīng)度值變化如表4所示。

表4　部分測試結(jié)果誤差分析表

從表4測試結(jié)果可以看出，所建模型測試結(jié)果與真實結(jié)果相比較誤差較小，測試效率較高，說明該GA-BP模型達到了滿意的效果，減少了綠色鐵路客站施工管理評定的工作量。

3.3評審結(jié)果

8名評審專家對該項目3個1級指標(biāo)采用主觀動態(tài)權(quán)重的方法，確定各指標(biāo)的權(quán)重如表5所示。

表5　1級指標(biāo)權(quán)重值

將遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)輸出值與專家評審的1級指標(biāo)權(quán)重值經(jīng)過加權(quán)計算，并將模型評定結(jié)果與專家評審進行比較，見表6所示。

表6　綠色鐵路施工評定結(jié)果

通過上述實例可以看出，采用主觀動態(tài)權(quán)重和遺傳算法優(yōu)化人工神經(jīng)網(wǎng)絡(luò)對蘭州西站施工管理過程進行評定，與采用傳統(tǒng)法進行比較，相對誤差為0.304%，能夠得到滿意的結(jié)果。

4　結(jié)論

1)通過采用主觀動態(tài)權(quán)重與遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的新方法能夠處理施工管理評價過程中存在的不確定性，充分發(fā)揮遺傳算法和神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，科學(xué)客觀的對各個指標(biāo)進行評價。

2)通過實例分析，新方法與傳統(tǒng)方法相比誤差較小。

3)新方法只需專家給出一級指標(biāo)的權(quán)重，利用Matlab軟件編程完成剩余工作，縮短評審周期，減少人為因素，具有很大的實用價值。

[1] 熊風(fēng), 楊立中, 羅潔, 等.“綠色鐵路”基礎(chǔ)理論研究及其評價指標(biāo)體系的建立[J].生態(tài)經(jīng)濟, 2007, 23(6):57-60.

XIONF Feng,YANG Lizhong,LUO Jie,et al.Study on “Green Railwa”basic theory and evaluating indicator system[J].Ecological Economy,2007, 23(6):57-60.

[2] 胡亞東.充分發(fā)揮鐵路作用加快發(fā)展現(xiàn)代物流[J].鐵道運輸與經(jīng)濟, 2004, 26(8):1-2.

HU Yadong.Bring full play of railway,speed up the development of modern logistics[J].Railway Transport and Economy,2004,26(8):1-2.

[3] 王彥.綠色鐵路客站建筑方案設(shè)計的被動式設(shè)計策略應(yīng)用探討[J].鐵道經(jīng)濟研究, 2014, 21(3):41-43.

WANG Yan.The design scheme of the green railway stationg building application of passive design strategies[J].Railway Economic Research,2014, 21(3):41-43.

[4] 任濤, 張宬, 楊墨池.綠色鐵路客站評價標(biāo)準(zhǔn)“節(jié)地”與“節(jié)水”指標(biāo)研究[J].城市發(fā)展研究, 2013, 20(1):144-146.

REN Tao,ZHANG Cheng,YANG Mochi.Research on “Land saving”and “Water saving”of the evaluation standard of green railway station [J].Urban Development Research, 2013, 20(1):22-24.

[5] 黃詠梅.從綠色鐵路客站角度議武漢站自然采光設(shè)計[J].城市建筑, 2013, 10(8):248-249.

HUANG Yongmei.The design of Wuhan railway station netural lighting from the perspective of green railway station [J].City Building,2013, 10(8):248-249.

[6] 鄭健.綠色鐵路客站評價標(biāo)準(zhǔn)研究[J].中國工程科學(xué), 2012, 17(12):41-47.

ZHENG Jian.Research on the evaluation creteria of green railway sataion[J].Scientific Research of China, 2012, 17(12):41-47.

[7] 盛暉, 李傳成.綠色鐵路旅客站建筑設(shè)計探討[J].鐵道經(jīng)濟研究, 2010, 17(1):24-30.

SHENG Hui,LI Chuancheng.Discussion on construction design of green railway passenger station[J].Railway Economics Research, 2010, 17(1):24-30.

[8] 李傳成, 陳川.綠色鐵路旅客站評價標(biāo)準(zhǔn)研究探討[J].武漢理工大學(xué)學(xué)報, 2010, 32(21):68-70.

LI Chuangcheng,CHEN Chuan.Research on the evaluation standard for green railway station[J].Journal of Wuhan University of Technology, 2010, 32(21):68-70.

[9] Rashvand P, Majid M Z A, Pinto J K.Contractor management performance evaluation model at prequalification stage[J].Expert Systems with Applications, 2015, 42(12):5087-5101.

[10] 劉冰,郭海霞.Mat lab神經(jīng)網(wǎng)絡(luò)超級學(xué)習(xí)手冊[M].北京:人民郵電出版社, 2014:163-164.

LIU Bing,GUO Haixia.Matlab neural network super learning manual[M].Beijing:People Posts and Telecommunications Press, 2014:163-164.

[11] 王小川,史峰,郁磊.MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析[M].北京：北京航天航空大學(xué)出版社, 2013:13-18.

WANG Xiaochuan,SHI Feng,YU Lei.43 cases analysis of MATLAB neural network[M].Beijing:Beihang Universuty Press, 2013:13-18.

[12] Yang Y, Wang G, Yang Y.Parameters optimization of polygonal fuzzy neural networks based on GA-BP hybrid algorithm[J].International Journal of Machine Learning and Cybernetics, 2014, 5(5):815-822.

[13] Huang W H, Tserng H P, Jaselskis E J, et al.Dynamic threshold cash flow-based structural model for contractor financial prequalification[J].Journal of Construction Engineering and Management, 2014, 140(10):890-914.

[14] Jeffrey S Russell.Model for owner prequalification of contractors[J].Journal of Management in Engineering, 1990, 6(1):59-75.

[15] 李東印, 周英, 李化敏, 等.基于主觀動態(tài)權(quán)重的科學(xué)采礦評價模型構(gòu)建[J].采礦與安全工程學(xué)報, 2012, 29(2):173-177.

LI Dongyin, ZHOU Ying, LI Huamin, et al.Construction of scientific mining evaluation model based on subjective dynamic weight[J].Journal of Mining and Safety Engineering, 2012, 29(2):173-177.

[16] 朱由創(chuàng).探討基于主觀動態(tài)權(quán)重的科學(xué)采礦評價模型構(gòu)建[J].內(nèi)蒙古煤炭經(jīng)濟, 2015, 31(5):41-42.

ZHU Youchuang.The construction of scientific mining evaluation model based on subjective dynamic weightt[J].Inner Mongolia Coal Economy,2105, 31(5):41-42.

[17] Osama Hosny, Khaled Nassar, Yasser Esmaiel.Prequalification of egyptian construction contractors using fuzzy-AHP models[J].Engineering, Construction and Architectural Management, 2013, 20(4):381-405.

Construction management evaluation model of green railway station

YANG Shu, BAO Xueying, WANG Qicai, FENG Bingyu

(School of Civil Engineering ,Lanzhou Jiaotong University, Lanzhou 730070, China )

Construction management runs through the construction process of green railway station from the beginning to the end, it needs the management and evaluation of the environmental protection, resource saving and construction process management of construction side. Based on the present evaluation method, this paper improved the traditional scoring method. The subjective dynamic weighting combined with neural network improved genetic algorithm was put forward, and a new construction management model was estabilished. The advantage of the model is that it is able to eliminate the subjective randomness of individual experts by using neural network. Finally,this method is verified by an example,and the method has a certain guiding role.

green railway station; construction management; dynamic weight; artificial neural network; genetic algorithms

2015-11-16

長江學(xué)者和創(chuàng)新團隊發(fā)展計劃項目(IRT1139)

鮑學(xué)英(1974-)，女，寧夏中衛(wèi)人，教授，從事綠色建筑、建設(shè)項目管理及經(jīng)濟評價研究；E-mail:813257032@qq.com

TU528

A

1672-7029(2016)08-1636-06