李紅霞 黃已芯 田水承 李 琰

(1. 西安科技大學(xué)管理學(xué)院，陜西省西安市，710054；2. 西安科技大學(xué)能源學(xué)院，陜西省西安市，710054；3. 西安科技大學(xué)安全管理研究所，陜西省西安市，710054)

“一帶一路”沿線地區(qū)煤礦企業(yè)基建項(xiàng)目風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)研究

李紅霞1黃已芯2田水承3李 琰1

(1. 西安科技大學(xué)管理學(xué)院，陜西省西安市，710054；2. 西安科技大學(xué)能源學(xué)院，陜西省西安市，710054；3. 西安科技大學(xué)安全管理研究所，陜西省西安市，710054)

依據(jù)“一帶一路”沿線地區(qū)風(fēng)險(xiǎn)發(fā)生不確定性的產(chǎn)生根源，將煤礦企業(yè)基建過(guò)程中的風(fēng)險(xiǎn)進(jìn)行分類與識(shí)別，提出“一帶一路”沿線地區(qū)煤礦企業(yè)基建活動(dòng)的風(fēng)險(xiǎn)包括自然風(fēng)險(xiǎn)、文化宗教風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、外協(xié)條件風(fēng)險(xiǎn)等11類風(fēng)險(xiǎn)及39個(gè)風(fēng)險(xiǎn)影響因素，并構(gòu)建了風(fēng)險(xiǎn)發(fā)生概率的預(yù)測(cè)指標(biāo)體系。利用CMAC神經(jīng)網(wǎng)絡(luò)理論，結(jié)合人工魚(yú)群算法構(gòu)建了風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)模型，選取孟加拉國(guó)巴拉普庫(kù)利亞煤礦基建過(guò)程中2013-2017年風(fēng)險(xiǎn)發(fā)生概率樣本，對(duì)風(fēng)險(xiǎn)發(fā)生概率模型進(jìn)行驗(yàn)證及風(fēng)險(xiǎn)發(fā)生概率進(jìn)行預(yù)測(cè)。這對(duì)后續(xù)在“一帶一路”沿線地區(qū)煤礦企業(yè)基建活動(dòng)的風(fēng)險(xiǎn)預(yù)測(cè)與風(fēng)險(xiǎn)管控起到一定的參考作用。

“一帶一路”沿線地區(qū) 能源基建項(xiàng)目 風(fēng)險(xiǎn)發(fā)生概率 風(fēng)險(xiǎn)預(yù)測(cè) CMAC神經(jīng)網(wǎng)絡(luò) 人工魚(yú)群算法

由于煤礦企業(yè)的基建項(xiàng)目具有不可回收、不可逆轉(zhuǎn)、建設(shè)周期長(zhǎng)等特殊性，大多數(shù)煤礦基建項(xiàng)目在實(shí)施過(guò)程中，由于某一個(gè)風(fēng)險(xiǎn)已經(jīng)發(fā)生，且發(fā)生頻率較高，導(dǎo)致煤礦企業(yè)在“一帶一路”沿線地區(qū)進(jìn)行基礎(chǔ)設(shè)施建設(shè)具有較強(qiáng)的挑戰(zhàn)性。例如，2013年大海則煤礦由于安全風(fēng)險(xiǎn)頻發(fā)導(dǎo)致煤礦被迫停產(chǎn)接受檢查，2015年巴基斯坦部分煤礦由于能源所屬爭(zhēng)議問(wèn)題使得項(xiàng)目擱置等。諸多專家和學(xué)者也針對(duì)“一帶一路”沿線地區(qū)的工程項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)、工程風(fēng)險(xiǎn)預(yù)測(cè)方面進(jìn)行了許多有益的研究，為部分能源企業(yè)基建項(xiàng)目的風(fēng)險(xiǎn)管控提供了理論支持。最具有代表性的是2014年楊晨曦等人依據(jù)博弈理論從政治角度分析了大國(guó)之間博弈對(duì)“一帶一路”沿線國(guó)家能源合作的影響，闡述了破壞能源合作政治環(huán)境的根源，為后續(xù)能源企業(yè)選擇合作國(guó)家提供了參考依據(jù)。而2015年馬昀等利用事件梳理法提出“一帶一路”戰(zhàn)略下沿線國(guó)的工程基建項(xiàng)目最高的風(fēng)險(xiǎn)為政治風(fēng)險(xiǎn)、經(jīng)濟(jì)風(fēng)險(xiǎn)、安全風(fēng)險(xiǎn)與經(jīng)營(yíng)風(fēng)險(xiǎn)，深入識(shí)別了“一帶一路”建設(shè)中突出風(fēng)險(xiǎn)的類別，以風(fēng)險(xiǎn)產(chǎn)生的根源為依據(jù)對(duì)風(fēng)險(xiǎn)進(jìn)行分類細(xì)化，為后續(xù)更進(jìn)一步分析風(fēng)險(xiǎn)發(fā)生的概率奠定了基礎(chǔ)。2016年，方旖旎等人針對(duì)中國(guó)企業(yè)對(duì)“一帶一路”沿線國(guó)家基建投資的特征與風(fēng)險(xiǎn)進(jìn)行了分析，首次將OROIC-IWEP評(píng)級(jí)系統(tǒng)應(yīng)用于基建類投資風(fēng)險(xiǎn)評(píng)價(jià)中，通過(guò)定量的方法將基建投資項(xiàng)目的特征及損失程度進(jìn)行分析，切實(shí)提出了企業(yè)保護(hù)機(jī)制的建議，為后續(xù)基建類投資項(xiàng)目提供了實(shí)證依據(jù)?？墒?，在“一帶一路”的特殊背景下，風(fēng)險(xiǎn)變化頻率遠(yuǎn)遠(yuǎn)超過(guò)風(fēng)險(xiǎn)評(píng)價(jià)的速度，導(dǎo)致風(fēng)險(xiǎn)發(fā)生頻率的預(yù)測(cè)值仍然低于實(shí)際風(fēng)險(xiǎn)發(fā)生頻率。迫切需要一個(gè)更簡(jiǎn)單、收斂速度更快并具有泛化能力的風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)的算法，完善針對(duì)“一帶一路”沿線地區(qū)基建項(xiàng)目風(fēng)險(xiǎn)管理領(lǐng)域的理論體系。

CMAC模型是一種自適應(yīng)、自學(xué)習(xí)的局部學(xué)習(xí)網(wǎng)絡(luò)，已公開(kāi)的研究成果主要聚焦于機(jī)器人控制、模式識(shí)別和信號(hào)處理等領(lǐng)域。信號(hào)領(lǐng)域的FCMAC控制器最具典型代表性，李彬等基于PID并行算法控制基礎(chǔ)，巧妙地將神經(jīng)網(wǎng)絡(luò)理論CMAC算法與模糊控制結(jié)合，提高了控制精度并且具有良好的自適應(yīng)特性；而模式識(shí)別領(lǐng)域，火力安全發(fā)電關(guān)鍵設(shè)備故障診斷的CMAC算法被作為拓展應(yīng)用范圍的奠基石，侯媛彬等利用CMAC算法與設(shè)備故障診斷檢驗(yàn)相互結(jié)合，清晰地描述了CMAC算法診斷出關(guān)鍵設(shè)備故障的原理。由于該模型結(jié)構(gòu)清晰，收斂速度更快，還具有一定的泛化能力，能解決風(fēng)險(xiǎn)預(yù)測(cè)的發(fā)生概率與實(shí)際風(fēng)險(xiǎn)發(fā)生頻率不匹配的問(wèn)題。因此，本文基于“一帶一路”的大背景，試圖探討一種結(jié)合時(shí)代背景的能源企業(yè)風(fēng)險(xiǎn)發(fā)生概率的預(yù)測(cè)模型，為后期“一帶一路”沿線地區(qū)的能源企業(yè)基建項(xiàng)目風(fēng)險(xiǎn)預(yù)測(cè)與控制提供一種新的參考。

1 風(fēng)險(xiǎn)識(shí)別及發(fā)生概率標(biāo)準(zhǔn)劃分

1.1 風(fēng)險(xiǎn)識(shí)別

針對(duì)能源企業(yè)“走出去”面臨的風(fēng)險(xiǎn)成因，結(jié)合已有的研究報(bào)道，運(yùn)用模糊聚類方法，將風(fēng)險(xiǎn)劃分為11類風(fēng)險(xiǎn)和引發(fā)各類風(fēng)險(xiǎn)的39個(gè)風(fēng)險(xiǎn)影響因素，利用數(shù)據(jù)可視化手段對(duì)“一帶一路”戰(zhàn)略下能源企業(yè)基建項(xiàng)目進(jìn)行風(fēng)險(xiǎn)識(shí)別，如圖1所示。

圖1 “一帶一路”戰(zhàn)略下煤礦企業(yè)基建項(xiàng)目風(fēng)險(xiǎn)識(shí)別

1.2 風(fēng)險(xiǎn)發(fā)生概率標(biāo)準(zhǔn)劃分

通過(guò)對(duì)“一帶一路”沿線國(guó)能源企業(yè)基建風(fēng)險(xiǎn)識(shí)別，依據(jù)《工程建設(shè)項(xiàng)目可行性研究指南》的風(fēng)險(xiǎn)劃分標(biāo)準(zhǔn)，將風(fēng)險(xiǎn)和風(fēng)險(xiǎn)影響因素的發(fā)生頻率劃分為5個(gè)等級(jí)，為數(shù)據(jù)樣本的生成和風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)提供理論依據(jù)，具體如表1所示。

表1 風(fēng)險(xiǎn)與風(fēng)險(xiǎn)影響因素發(fā)生頻率等級(jí)標(biāo)準(zhǔn) %

1.3 歸一化處理

1.3.1 數(shù)據(jù)缺失的處理

(1)

j=1,2,…,nk

式中：P——風(fēng)險(xiǎn)發(fā)生頻率；

j——某一個(gè)評(píng)價(jià)等級(jí)生成的評(píng)價(jià)樣本序列容量；

i——某一風(fēng)險(xiǎn)；

k——評(píng)價(jià)等級(jí)數(shù)目。

1.3.2 歸一化處理

能源基建項(xiàng)目風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)指標(biāo)體系共計(jì)39個(gè)風(fēng)險(xiǎn)影響因素及11類風(fēng)險(xiǎn)指標(biāo)。由于每一個(gè)指標(biāo)的單位和量綱存在較大差別，因此，在計(jì)算過(guò)程中需要對(duì)所有風(fēng)險(xiǎn)指標(biāo)進(jìn)行歸一化處理，目的在于消除各指標(biāo)之間單位和量綱產(chǎn)生的影響和數(shù)量級(jí)差別。歸一化采用的公式如下：

(2)

式中：Xi*——?dú)w一化后的風(fēng)險(xiǎn)指標(biāo)值；

Xi——?dú)w一化后的影響因素值；

Xmax——樣本最大的影響因素指標(biāo)值。

2 風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)模型的構(gòu)建

2.1 改進(jìn)IAFSA算法定權(quán)

CMAC的權(quán)重值調(diào)整通常有兩種情況：一種是學(xué)習(xí)方式，采用的是線性代數(shù)方程的雅可比迭代方法；另一種是輪訓(xùn)方式，采用高斯—賽德?tīng)柕ā５?，這兩種方法所得權(quán)重均為一個(gè)值，而非一個(gè)值域?？紤]到風(fēng)險(xiǎn)發(fā)生概率的特殊性，為求解并預(yù)測(cè)出風(fēng)險(xiǎn)發(fā)生概率的區(qū)間范圍，避免風(fēng)險(xiǎn)由于受到時(shí)間、傳導(dǎo)系數(shù)的波動(dòng)影響而產(chǎn)生的波動(dòng)性。利用人工魚(yú)群對(duì)“營(yíng)養(yǎng)區(qū)”的聚群的特性，采用對(duì)人工魚(yú)個(gè)體優(yōu)化，從而達(dá)到全局優(yōu)化的特點(diǎn)，將IFASA算法用于調(diào)整權(quán)重大小，對(duì)每個(gè)風(fēng)險(xiǎn)進(jìn)行權(quán)重域的計(jì)算。

定義單個(gè)人工魚(yú)Is(t)在時(shí)期t的狀態(tài)。則有：

(3)

式中：AF_number——人工魚(yú)群的規(guī)模；

Is(t)——單條人工魚(yú)在t時(shí)期的狀態(tài)(維度為w)。

在CMAC中具有一個(gè)隱含層網(wǎng)絡(luò)，那么初始設(shè)定輸入層X(jué)集合中有x個(gè)輸入量，維度w為hn個(gè)，輸出層Y集合的個(gè)數(shù)為m個(gè)，則有：

w=h1(m+1)+h2(h1+1)+n(h2+1)

(4)

為保證人工魚(yú)群算法調(diào)試的權(quán)值與CMAC模型的泛化能力互相匹配，按照每個(gè)AF中的分CMAC模型權(quán)重分布規(guī)律，AF取值應(yīng)是由底層向高層的順序，先取風(fēng)險(xiǎn)活躍度最強(qiáng)的前幾組數(shù)據(jù)，后取風(fēng)險(xiǎn)活躍度最弱的后幾組數(shù)據(jù)。那么第s個(gè)AF的狀態(tài)經(jīng)過(guò)幾番輪訓(xùn)后可以得到一個(gè)數(shù)值或者是值域，如下式所示：

(5)

其中，Xs(t) 標(biāo)識(shí)第s個(gè)AF的狀態(tài)。不同的泛化能力將控制AF的大小，AF上下浮動(dòng)影響wn，wn即為CMAC中的ωi。

2.2 CMAC網(wǎng)絡(luò)模型構(gòu)建

CMAC網(wǎng)絡(luò)模型是一種類似神經(jīng)生理學(xué)小腦皮層結(jié)構(gòu)提出的“關(guān)聯(lián)控制器”的網(wǎng)絡(luò)態(tài)模型。圖2為本文構(gòu)建的二維輸入/一維輸出的CMAC風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)模型網(wǎng)絡(luò)結(jié)構(gòu)。圖2中的X空間表示一組n維輸入的風(fēng)險(xiǎn)影響因素的發(fā)生概率，即輸入變量的“虛擬”空間；而實(shí)際空間A表示具有m類風(fēng)險(xiǎn)個(gè)數(shù)的“存儲(chǔ)單元”；X={x1,x2,…,xn}t則表示在X空間中所有n維的輸入分量，即風(fēng)險(xiǎn)的特征分量，也被稱為引發(fā)風(fēng)險(xiǎn)的影響因素；Y={y1,y2,…,yn}t則表示對(duì)應(yīng)輸出變量的特征向量。在實(shí)際過(guò)程中，“一帶一路”沿線國(guó)家能源企業(yè)基建項(xiàng)目的風(fēng)險(xiǎn)不可能全部引發(fā)。那么則有，輸入空間的X的一個(gè)元素xi會(huì)同時(shí)激活A(yù)實(shí)際空間中的yn個(gè)風(fēng)險(xiǎn)同時(shí)發(fā)生。使得yn個(gè)風(fēng)險(xiǎn)權(quán)重的疊加值為1，而其他沒(méi)有發(fā)生的風(fēng)險(xiǎn)則為0。其中的n為C，即為CMAC網(wǎng)絡(luò)中的泛化能力。

圖2 CMAC風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)模型網(wǎng)絡(luò)結(jié)構(gòu)

具體每一層網(wǎng)絡(luò)結(jié)構(gòu)解釋如下：第一層輸入層：將“虛擬”空間X的因素映射為實(shí)際空間A中的離散點(diǎn)，將X={x1,x2,…,xn}進(jìn)行量化并進(jìn)行數(shù)據(jù)預(yù)處理。設(shè)每一個(gè)風(fēng)險(xiǎn)的風(fēng)險(xiǎn)影響因素發(fā)生概率的分量可量化為一個(gè)值q，那么n個(gè)風(fēng)險(xiǎn)影響因素的分量集合可以成為一個(gè)風(fēng)險(xiǎn)的狀態(tài)空間qn，那么具體風(fēng)險(xiǎn)發(fā)生概率的量化公式為：

Xp={x1,x2,…，xn}T,n=1,2,…,n

(6)

式中：Xp——風(fēng)險(xiǎn)影響因素集合；

xn——特征向量中分量的個(gè)數(shù)。

貧困地區(qū)基層組織弱化，部分地方執(zhí)行人員由于自身素質(zhì)不高，以一副領(lǐng)導(dǎo)視察的態(tài)勢(shì)對(duì)待扶貧指導(dǎo)工作，執(zhí)行力不夠。部分審查與管理專項(xiàng)扶貧資金部門存在管理不嚴(yán)，自身內(nèi)部督管不力，制度不健全的不良行政現(xiàn)象。在利益、權(quán)勢(shì)驅(qū)動(dòng)下少數(shù)地區(qū)政府為了追求短期政績(jī)，不惜大量浪費(fèi)和透支扶貧資源，有的還攤指標(biāo)、造數(shù)字，使得扶貧開(kāi)發(fā)的收效甚微。

第二層中間層：為滿足“虛擬”空間Xp在實(shí)際空間Yp上有唯一的映射，那么實(shí)際空間Yp“儲(chǔ)存單元”的個(gè)數(shù)則必須大于或等于“虛擬”空間Xp的狀態(tài)個(gè)數(shù)。那么具體公式則為：

m≥qn

(7)

式中：m——Yp儲(chǔ)存單元狀態(tài)個(gè)數(shù)；

qn——n個(gè)特征分量個(gè)數(shù)。

那么，則有第二層的輸入關(guān)系式：

輸入關(guān)系：

(8)

輸出關(guān)系：

(9)

式中：Yp——風(fēng)險(xiǎn)影響因素集合；

yn——特征向量中分量的個(gè)數(shù)；

p——特征分量集合的狀態(tài)空間個(gè)數(shù)。

那么，通過(guò)哈希編碼(Hash-coding)可將具有qn個(gè)存儲(chǔ)單元的地址實(shí)際空間A映射到壓縮后的物理地址空間Yp中。

第三層輸出層(風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)層)：通過(guò)第一層特征分量所組合出的風(fēng)險(xiǎn)和第二層“虛擬”空間Xp到實(shí)際空間Yp的唯一映射，將風(fēng)險(xiǎn)存放的權(quán)重值通過(guò)學(xué)習(xí)并將其累加為1則為CMAC網(wǎng)絡(luò)的輸出，達(dá)到風(fēng)險(xiǎn)發(fā)生概率(損失程度)的預(yù)測(cè)。那么則有某一個(gè)輸入風(fēng)險(xiǎn)Xi的網(wǎng)絡(luò)輸出為：

(10)

式中：Y*——可能發(fā)生的風(fēng)險(xiǎn)個(gè)數(shù)；

ωi——風(fēng)險(xiǎn)對(duì)應(yīng)的權(quán)重。

3 實(shí)證研究

在風(fēng)險(xiǎn)及風(fēng)險(xiǎn)影響因素發(fā)生概率等級(jí)標(biāo)準(zhǔn)基礎(chǔ)上，選取《孟加拉國(guó)巴拉普庫(kù)利亞礦井基礎(chǔ)設(shè)施建設(shè)(第三期)基礎(chǔ)說(shuō)明書(shū)》中2012-2017年不同風(fēng)險(xiǎn)的風(fēng)險(xiǎn)發(fā)生頻次。對(duì)巴拉普庫(kù)利亞煤礦進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)，為該煤礦后續(xù)的開(kāi)拓和經(jīng)營(yíng)提供新的依據(jù)。

3.1 工程概況

巴拉普庫(kù)利亞煤礦是孟加拉國(guó)第一個(gè)開(kāi)發(fā)興建的產(chǎn)能為1.0 Mt/a的大型現(xiàn)代化礦井。礦井位于孟加拉國(guó)的西北部，行政區(qū)劃屬于迪納杰普爾省帕巴提布地區(qū)，地理位置為北緯25°31′～25°34′，東經(jīng)88°57′～88°59′。本區(qū)交通便利，寬軌鐵路自南向北在井田外緣西部穿過(guò)，是南北向?qū)捾夎F路與東西向米軌鐵路的交匯處。南部距井田5 km處有一條近東西向公路，向東與國(guó)家公路相連，向西北約5 km可達(dá)迪納杰普爾省府，南行75 km可抵西北重鎮(zhèn)博格拉市。距井田東部70 km的賈木納河自北向南延伸，水運(yùn)可達(dá)國(guó)內(nèi)大小港口。井田北部30 km有賽伊德布爾飛機(jī)場(chǎng)，可直達(dá)首都達(dá)卡。本井田地面為恒河沖積平原的一部分，由恒河和賈木納河沖積而成。區(qū)內(nèi)地勢(shì)平坦，地面標(biāo)高+29～+32 m，北高南低，坡度甚微。

由于該礦的交通方便、煤層特厚、儲(chǔ)量豐富、煤質(zhì)良好、地質(zhì)構(gòu)造較簡(jiǎn)單、沼氣含量低等優(yōu)勢(shì)，它成為了“一帶一路”沿線地區(qū)較為典型的能源基建項(xiàng)目之一。但是，由于水文地質(zhì)條件與人文環(huán)境復(fù)雜、地溫較高，給礦井的開(kāi)采帶來(lái)較大的不利因素。由于該礦井具有豐富的儲(chǔ)量，開(kāi)采價(jià)值與投資回報(bào)率較高，因此，用巴拉普庫(kù)利亞煤礦作為算例進(jìn)行解釋，是非常必要的。

3.2 驗(yàn)證

3.2.1 樣本預(yù)處理

數(shù)據(jù)樣本共780個(gè)，數(shù)據(jù)缺失率為1.4%，運(yùn)用公式(1)填補(bǔ)5年內(nèi)未搜集到的11個(gè)風(fēng)險(xiǎn)影響因素發(fā)生概率的樣本。運(yùn)用公式(2)對(duì)風(fēng)險(xiǎn)數(shù)據(jù)進(jìn)行歸一化處理，解決不同量綱所帶來(lái)的無(wú)法進(jìn)一步分析的問(wèn)題。具體結(jié)果如表2所示。

表2 孟加拉國(guó)巴拉普庫(kù)利亞煤礦基建項(xiàng)目部分風(fēng)險(xiǎn)與風(fēng)險(xiǎn)影響因素原始數(shù)據(jù)歸一化結(jié)果 %

原始數(shù)據(jù)來(lái)源：《孟加拉國(guó)巴拉普庫(kù)利亞礦井投資可行性分析簡(jiǎn)本》

3.2.2 編碼

基于上述歸一化結(jié)果，分別對(duì)11類風(fēng)險(xiǎn)及39個(gè)風(fēng)險(xiǎn)影響因素采用十進(jìn)制法在[0,1]區(qū)間隨機(jī)選取一組初始權(quán)值和閾值，利用MATLAB2016a軟件依據(jù)公式(2)至公式(4)進(jìn)行代碼編程，其中，閥值控制在α=±0.1，浮動(dòng)系數(shù)β=0.01，分別選取風(fēng)險(xiǎn)最高的2組和風(fēng)險(xiǎn)最低的2組樣本作為權(quán)重調(diào)試。具體不同風(fēng)險(xiǎn)的權(quán)重上下值域如表3所示。

表3 不同風(fēng)險(xiǎn)的權(quán)重結(jié)果T

3.2.3 訓(xùn)練樣本

選取11類風(fēng)險(xiǎn)與39個(gè)風(fēng)險(xiǎn)影響因素作為模型的輸入，計(jì)算風(fēng)險(xiǎn)影響因素發(fā)生的概率值為輸出。泛化參數(shù)C=11，風(fēng)險(xiǎn)發(fā)生概率值為輸出，分別利用風(fēng)險(xiǎn)最高的5組和風(fēng)險(xiǎn)最低的5組樣本作為訓(xùn)練的樣本，其余樣本用作預(yù)測(cè)。具體與BP模型標(biāo)準(zhǔn)狀態(tài)下的訓(xùn)練誤差的對(duì)比如圖3所示。

圖3 訓(xùn)練誤差對(duì)比

3.2.4 驗(yàn)證

將求解的總風(fēng)險(xiǎn)發(fā)生概率的區(qū)間與2016年實(shí)際總風(fēng)險(xiǎn)發(fā)生的概率相比較，計(jì)算出與實(shí)際風(fēng)險(xiǎn)發(fā)生的概率出現(xiàn)的相對(duì)誤差，以方便后續(xù)預(yù)測(cè)時(shí)將風(fēng)險(xiǎn)發(fā)生的波動(dòng)差值作為預(yù)測(cè)浮動(dòng)系數(shù)。具體驗(yàn)證結(jié)果對(duì)比如表4所示。

表4 驗(yàn)證結(jié)果對(duì)比

3.3 預(yù)測(cè)

在本文構(gòu)建的風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)模型的基礎(chǔ)上，利用剩余的10組風(fēng)險(xiǎn)與風(fēng)險(xiǎn)影響因素樣本數(shù)據(jù)，對(duì)巴拉普庫(kù)利亞煤礦2017-2023年期間礦井基建項(xiàng)目風(fēng)險(xiǎn)發(fā)生概率進(jìn)行預(yù)測(cè)，以便為決策者提供一定的參考依據(jù)。具體評(píng)價(jià)與預(yù)測(cè)結(jié)果如圖4所示。

由圖4可知，未來(lái)6年(2017-2023年)的風(fēng)險(xiǎn)發(fā)生概率分別為：0.3543-0.4628、0.2937-0.3633、0.3714-0.4553、0.4111-0.5371、0.4273-0.5311、0.3682-0.5017；風(fēng)險(xiǎn)等級(jí)分別為中(中低)風(fēng)險(xiǎn)、中低風(fēng)險(xiǎn)、中(中低)風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)、中(中低)風(fēng)險(xiǎn)，說(shuō)明煤礦企業(yè)在孟加拉國(guó)進(jìn)行基建活動(dòng)的風(fēng)險(xiǎn)依舊偏高。自然災(zāi)害、社會(huì)穩(wěn)定程度、文化宗教差異、投資風(fēng)險(xiǎn)、非傳統(tǒng)安全、外協(xié)條件等方面容易發(fā)生風(fēng)險(xiǎn)，應(yīng)增強(qiáng)企業(yè)對(duì)企業(yè)所在國(guó)的法律及相關(guān)文化的培訓(xùn)與認(rèn)知、加強(qiáng)抗雨水或干旱等自然災(zāi)害的能力、增強(qiáng)企業(yè)員工應(yīng)對(duì)突發(fā)事故的應(yīng)急管理能力等。投資與管理人員應(yīng)根據(jù)項(xiàng)目實(shí)際情況，合理安排人力、物力、財(cái)力，不能只看見(jiàn)機(jī)遇看不到風(fēng)險(xiǎn)而出現(xiàn)盲目投資，投資前應(yīng)做好風(fēng)險(xiǎn)防控預(yù)案與風(fēng)險(xiǎn)應(yīng)對(duì)策略，以避免該能源基建項(xiàng)目在保證總體目標(biāo)和效率的情況下順利實(shí)施。

圖4 IAFSA-CMAC風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)結(jié)果

4 結(jié)論

本文針對(duì)當(dāng)前在“一帶一路”沿線地區(qū)進(jìn)行基建活動(dòng)出現(xiàn)的風(fēng)險(xiǎn)發(fā)生頻率的預(yù)測(cè)值仍然低于實(shí)際風(fēng)險(xiǎn)發(fā)生頻率的現(xiàn)狀，在對(duì)影響“一帶一路”沿線地區(qū)風(fēng)險(xiǎn)發(fā)生概率的影響因素的成因進(jìn)行深入分析的基礎(chǔ)上，結(jié)合煤礦企業(yè)基建項(xiàng)目建設(shè)周期，建立“一帶一路”沿線地區(qū)能源基建項(xiàng)目風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)指標(biāo)體系。在傳統(tǒng)CMAC神經(jīng)網(wǎng)路模型的基礎(chǔ)上，將改進(jìn)的IAFSA引入CMAC模型，彌補(bǔ)了當(dāng)前“一帶一路”沿線地區(qū)煤礦基建項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)時(shí)受到時(shí)間、傳導(dǎo)系數(shù)的波動(dòng)影響，導(dǎo)致評(píng)估風(fēng)險(xiǎn)發(fā)生的概率與實(shí)際發(fā)生概率不匹配的問(wèn)題。最后綜合應(yīng)用于孟加拉國(guó)巴拉普庫(kù)利亞煤礦的基建項(xiàng)目風(fēng)險(xiǎn)發(fā)生概率的預(yù)測(cè)中，得出了2017-2023年巴拉普庫(kù)利亞煤礦風(fēng)險(xiǎn)發(fā)生概率的區(qū)間預(yù)測(cè)值，通過(guò)區(qū)間的劃定，解決了當(dāng)前評(píng)估過(guò)程中評(píng)價(jià)與實(shí)際發(fā)生的滯后問(wèn)題，同時(shí)解決了當(dāng)前定權(quán)過(guò)程中的盲目性與受主觀影響的缺陷。為后期項(xiàng)目投資和管理人員制定風(fēng)險(xiǎn)防控預(yù)案和應(yīng)對(duì)策略提供了一定的參考依據(jù)，對(duì)當(dāng)前“一帶一路”沿線地區(qū)能源企業(yè)及相關(guān)企業(yè)基建活動(dòng)的投資與風(fēng)險(xiǎn)管控起到一定的指導(dǎo)作用。

[1] 裴長(zhǎng)洪，于燕.“一帶一路”建設(shè)與我國(guó)擴(kuò)大開(kāi)放[J]. 國(guó)際經(jīng)貿(mào)探索，2015(10)

[2] 翟崑.“一帶一路”建設(shè)的戰(zhàn)略思考[J].國(guó)際觀察，2015(4)

[3] 楊晨曦.“一帶一路”區(qū)域能源合作中的大國(guó)因素及應(yīng)對(duì)策略[J].新視野，2014(4)

[4] 馬昀.“一帶一路”建設(shè)中的風(fēng)險(xiǎn)管控問(wèn)題[J].政治經(jīng)濟(jì)學(xué)評(píng)論，2015(4)

[5] 方旖旎.“一帶一路”戰(zhàn)略下中國(guó)企業(yè)對(duì)海外直接投資國(guó)的風(fēng)險(xiǎn)評(píng)估[J].西安財(cái)經(jīng)學(xué)院學(xué)報(bào)，2016(1)

[6] 周姝春.CMAC學(xué)習(xí)性能及泛化性能研究綜述[J].計(jì)算機(jī)仿真，2005(6)

[7] 李彬，鄭賓，殷云華.基于MATLAB的新型CMAC控制器的設(shè)計(jì)與仿真[J].微計(jì)算機(jī)信息，2007(16)

[8] 侯媛彬，杜京義.改進(jìn)小腦模型網(wǎng)絡(luò)的干式變壓器卷線機(jī)跑偏信號(hào)諧波分析[J].西安交通大學(xué)學(xué)報(bào)，2005(10)

[9] 張春軒.論工程項(xiàng)目風(fēng)險(xiǎn)成因與基本對(duì)策[J].科技信息(科學(xué)教研)，2007(27)

[10] 周平.“一帶一路”面臨的地緣政治風(fēng)險(xiǎn)及其管控[J].探索與爭(zhēng)鳴，2016(1)

[11] 周紹瓊.EPC工程總承包項(xiàng)目風(fēng)險(xiǎn)管理研究[D].西南財(cái)經(jīng)大學(xué)，2013

[12] 《投資項(xiàng)目可行性研究指南》編寫(xiě)組.《投資項(xiàng)目可行性研究指南》[M].中國(guó)電力出版社，2002

[13] 飛艷.一種改進(jìn)人工魚(yú)群算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化研究[J].湖南科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016(1)

[14] 魏立新，張峻林，劉青松.基于改進(jìn)人工魚(yú)群算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化[J].控制工程，2014(1)

Studyonforecastofriskprobabilityofmininginfrastructureprojectsbasedonregionsalong"theBeltandRoad"

Li Hongxia1, Huang Yixin2, Tian Shuicheng3, Li Yan1

(1. College of Management, Xi'an University of Science and Technology, Xi'an, Shaanxi 710054, China；2. College of Energy, Xi'an University of Science and Technology, Xi'an, Shaanxi 710054, China；3.Institute of Safety Management, Xi'an University of Science and Technology, Xi'an, Shaanxi 710054, China)

In this paper, according to the origin of the uncertainty of the risk along the regions along "the Belt and Road", the risk index of mining enterprise infrastructure construction was classified and identified as 11 kinds of risks and 39 risk influencing factors including natural risk, cultural and religious risk, market risk, and external cooperation risk. The risk prediction model was established by using CMAC neural network theory and the artificial fish swarm algorithm. The risk occurrence possibility sample from infrastructure construction of Barapukuria Mine in Bangladesh in 2013-2017 was chosen to be predicted and verified.This would offer mining enterprises a reference value following the mining infrastructure management with the risk forecast and risk control aspect.

regions along "the Belt and Road", energy infrastructure, risk probability, risk forecast, CMAC neutral network, artificial fish swarm algorithm

TD-9

A

國(guó)家自然科學(xué)基金項(xiàng)目(71273208、71271169)，陜西省教育廳項(xiàng)目(14JK1445、14JZ026、15JZ036)，陜西省社科基金項(xiàng)目(2015R043)，西安科技大學(xué)項(xiàng)目(2013SY01、2014SX07、2012SZ01、15BY46)

李紅霞，黃已芯，田水承等. “一帶一路”沿線地區(qū)煤礦企業(yè)基建項(xiàng)目風(fēng)險(xiǎn)發(fā)生概率預(yù)測(cè)研究[J].中國(guó)煤炭，2017，43(11):30-36.

Li Hongxia, Huang Yixin, Tian Shuicheng, et al. Study on forecast of risk probability of mining infrastructure projects based on regions along "the Belt and Road" [J].China Coal，2017，43(11):30-36.

李紅霞(1965-)，女，教授，博士生導(dǎo)師，陜西省教學(xué)名師、陜西省高校人文社會(huì)科學(xué)青年英才支持計(jì)劃獲得者?，F(xiàn)任西安科技大學(xué)管理學(xué)院副院長(zhǎng)，礦業(yè)經(jīng)濟(jì)與管理博士點(diǎn)學(xué)科帶頭人，兼任中國(guó)煤炭工業(yè)協(xié)會(huì)專家委員、中國(guó)管理工效學(xué)學(xué)會(huì)委員。主要研究方向：能源經(jīng)濟(jì)與管理、組織行為與管理等。

(責(zé)任編輯 宋瀟瀟)