孫文建+楊文亞

摘 要： 國際工程承包項目面臨的風(fēng)險因素眾多，給項目風(fēng)險評價帶來了很大的難度，積極尋求合理有效的方法對國際工程風(fēng)險進(jìn)行評價尤為重要。通過建立國際工程項目風(fēng)險評價指標(biāo)體系，對傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，提出LMBP神經(jīng)網(wǎng)絡(luò)模型，避免了其難收斂和收斂時間長的弊端，建立LMBP神經(jīng)網(wǎng)絡(luò)評價模型，用模糊綜合評價方法驗證其準(zhǔn)確性和可靠性。最后以馬來西亞的一個項目為例，實證其風(fēng)險評價的實用性。

關(guān)鍵詞： 國際工程； LMBP神經(jīng)網(wǎng)絡(luò)； 風(fēng)險評價； 風(fēng)險管理

中圖分類號： TN711?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）23?0109?04

Abstract： The various risk factors exist in the international engineering contracting project， and bring great difficulties to risk evaluation of the project. It is particularly important to seek the reasonable and effective methods for international engineering project risk evaluation. The index system of the international engineering project risk evaluation is established to improve the traditional BP neural network model. The LMBP neural network model is proposed to avoid the drawbacks of difficult convergence and long convergence time. The evaluation model of LMBP neural network was established， and its accuracy and reliability were verified with fuzzy comprehensive evaluation method. Taking the project in Malaysia as an example， its practicability of risk evaluation was demonstrated.

Keywords： international project； LMBP neural network； risk evaluation； risk management

0 引 言

我國國際工程業(yè)務(wù)經(jīng)過多年發(fā)展，國內(nèi)承包商承接國際工程從合同金額到營業(yè)額均快速上升，對外承包工程業(yè)務(wù)涉及全球范圍[1]。“一帶一路”這一國家級頂層戰(zhàn)略實施后，中國內(nèi)地企業(yè)躋身全球最大國際工程承包商，數(shù)量居全球第一位[2]。

以國有企業(yè)為主體的中國承包商的項目管理能力已經(jīng)跟不上復(fù)雜多變的市場環(huán)境[3]。企業(yè)項目風(fēng)險控制與管理能力等都有待于提高，加之缺乏國際型、復(fù)合型人才，既不熟悉了解國際工程市場規(guī)則、管理模式和風(fēng)險控制[4]，又缺乏使用在國際工程上的先進(jìn)管理工具[5]，對項目實施中出現(xiàn)的問題往往根據(jù)國內(nèi)經(jīng)驗來制定方案，導(dǎo)致決策失誤，造成項目虧損。

因此，對國際工程項目的風(fēng)險評價就尤其重要，目前研究者們使用較多的是層次分析法、蒙特卡羅模擬法[6]等方法，風(fēng)險評價結(jié)果主要取決于人的主觀性判斷。因此，這些方法得到的結(jié)果往往與實際存在著偏差。本文選用LMBP神經(jīng)網(wǎng)絡(luò)模型對國際工程承包項目進(jìn)行風(fēng)險評價研究。首先，BP神經(jīng)網(wǎng)絡(luò)具有自主調(diào)節(jié)能力，可以依據(jù)歷史數(shù)據(jù)進(jìn)行調(diào)整。該模型可在多次訓(xùn)練后記憶專家們的評價數(shù)據(jù)，對風(fēng)險因素進(jìn)行量化，通過大量的樣本削弱人的主觀意志影響，使評價更準(zhǔn)確[7?8]。其次，神經(jīng)網(wǎng)絡(luò)能不斷的通過樣本訓(xùn)練適應(yīng)外部環(huán)境變化，且能根據(jù)數(shù)據(jù)訓(xùn)練不斷更新自身，更加適合國際工程項目的風(fēng)險評價。

1 國際工程項目風(fēng)險評價指標(biāo)體系

本文建立風(fēng)險評價指標(biāo)體系采用RBS層次性風(fēng)險分解結(jié)構(gòu)的方法，分解對象為風(fēng)險事件，分解方法根據(jù)風(fēng)險的構(gòu)成來劃分。

針對具體項目，再以風(fēng)險評價指標(biāo)體系為基礎(chǔ)，采用更具針對性的、非開放的德爾菲專家調(diào)查法，如本文的案例馬來西亞某項目，根據(jù)風(fēng)險評價指標(biāo)體系設(shè)置調(diào)查問卷，得到該項目在馬來西亞工程市場各風(fēng)險因素的頻數(shù)，如表1所示。本文將頻數(shù)出現(xiàn)在5次以上的風(fēng)險因素納入該項目風(fēng)險評價指標(biāo)體系中，構(gòu)建如圖1所示的國際工程承包項目風(fēng)險評價體系。將風(fēng)險評價指標(biāo)體系與圖1的指標(biāo)體系對比可看出，根據(jù)具體國家地區(qū)工程項目建立指標(biāo)體系更具針對性，也更符合實際情況。

2 LMBP神經(jīng)網(wǎng)絡(luò)模型

2.1 傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型的不足與改進(jìn)

從BP神經(jīng)網(wǎng)絡(luò)模型的運算過程可以發(fā)現(xiàn)，網(wǎng)絡(luò)誤差受權(quán)值和樣本數(shù)量的影響，只有當(dāng)某一點的出現(xiàn)導(dǎo)致全局的網(wǎng)絡(luò)誤差最低時，全局才達(dá)到最優(yōu)，神經(jīng)網(wǎng)絡(luò)建立才完成，這也是傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)存在弊端的原因。

式中：[J]表示誤差對權(quán)值進(jìn)行微分得到的Jacobi矩陣；[e]表示誤差向量；[u]表示學(xué)習(xí)速率；[I]表示單位矩陣。

因此，采用LMBP神經(jīng)網(wǎng)絡(luò)模型與傳統(tǒng)的BP網(wǎng)絡(luò)模型相比，該方法能有效地解決收斂性能較差、收斂時間長、迭代步數(shù)多等不足，更好地適應(yīng)風(fēng)險評價的需要。

2.2 LMBP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

本文在Matlab軟件上設(shè)計LMBP神經(jīng)網(wǎng)絡(luò)模型，包括以下步驟：

（1） 確定輸入層節(jié)點數(shù)endprint

本文馬來西亞項目風(fēng)險評價體系中有9個風(fēng)險評價指標(biāo)因素，因此LMBP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點數(shù)為9個。

（2） 確定輸出層節(jié)點數(shù)

風(fēng)險評價的結(jié)果為[0，1]區(qū)間的風(fēng)險值，且惟一，因此輸出層只有1個節(jié)點。

（3） 確定隱含層層數(shù)和節(jié)點數(shù)

式中：[m]表示隱含層節(jié)點數(shù)；[n]表示輸入層節(jié)點數(shù)（本文為9）；[l]表示輸出層節(jié)點數(shù)（本文為1）；[a]為1～10之間的常數(shù)。本文得到最佳的隱含層節(jié)點數(shù)為9個。

（4） 確定網(wǎng)絡(luò)激活函數(shù)

隱含層的輸出層神經(jīng)元選擇Sigmoid函數(shù)作為激活函數(shù)，其函數(shù)公式如下：

（5） 網(wǎng)絡(luò)模型的建立

本文的風(fēng)險評價模型為9×9×1的三層LMBP神經(jīng)網(wǎng)絡(luò)模型， 該網(wǎng)絡(luò)模型輸入向量由9個指標(biāo)構(gòu)成，隱含層有9個隱含節(jié)點。

（6） 權(quán)值和閾值初始設(shè)置

權(quán)值和閾值的初始設(shè)置關(guān)系到LMBP模型能否收斂。權(quán)值和閾值選取在區(qū)間[-1，1]或者[-2n，2n]之間。通過實踐，本文將權(quán)值和閾值取在[-1n，1n]范圍內(nèi)，從而網(wǎng)絡(luò)模型既收斂，且所需時間最短。

2.3 期望輸出值的確定

LMBP神經(jīng)網(wǎng)絡(luò)期望輸出值的確定采用模糊綜合評價方法，此方法得到的期望輸出值再與神經(jīng)網(wǎng)絡(luò)模型得出的實際輸出值相比較，可驗證模型的準(zhǔn)確性。具體評價過程如下：

經(jīng)過模型的迭代計算，直至誤差達(dá)到要求后，計算停止，完成全部樣本訓(xùn)練。當(dāng)網(wǎng)絡(luò)權(quán)值和閾值確定后，即可認(rèn)為LMBP神經(jīng)網(wǎng)絡(luò)模型建立完成，此時輸入評價項目的指標(biāo)數(shù)據(jù)，即可得到該項目的風(fēng)險評價值。

3 案例應(yīng)用

3.1 訓(xùn)練樣本的采集

本文通過問卷調(diào)查的形式對國內(nèi)承包商在馬來西亞的6個項目進(jìn)行調(diào)查，專家均具備豐富的國際工程管理經(jīng)驗，且對馬來西亞工程市場有深入了解。首先，根據(jù)圖1的指標(biāo)體系對各因素進(jìn)行打分，得分值作為輸入值；期望輸出值根據(jù)模糊綜合評價方法求得，并根據(jù)表2確定其風(fēng)險等級，將LMBP模型實際輸出值與期望輸出值進(jìn)行比較判斷獲得模型的誤差，并根據(jù)誤差反向傳遞不斷調(diào)整模型的權(quán)值和閾值。以項目1為例，利用模糊綜合評價法計算該項目的綜合評價值。

由此可見，訓(xùn)練成功的LMBP神經(jīng)網(wǎng)絡(luò)模型其實際輸出值與模糊綜合評價值的風(fēng)險評價等級是一致的，并且風(fēng)險評價值誤差很小，說明LMBP神經(jīng)網(wǎng)絡(luò)模型對國際工程項目風(fēng)險評價的方法具有可行性、可靠性。

3.3 LMBP神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用

根據(jù)已訓(xùn)練好的LMBP神經(jīng)網(wǎng)絡(luò)模型對馬來西亞項目進(jìn)行風(fēng)險評價，首先，邀請專家對指標(biāo)體系下的各風(fēng)險因素進(jìn)行打分，如表6所示。將指標(biāo)數(shù)據(jù)作為輸入值，讀入LMBP神經(jīng)網(wǎng)絡(luò)模型中，得到其輸出值為0.264 2，參照表2可知，其風(fēng)險等級較低。同時，根據(jù)表4可知，項目2的風(fēng)險評價值為0.268 5，該項目風(fēng)險評價值與項目2風(fēng)險評價值相接近。因此，項目決策者可將項目2作為參考，參照項目2實施過程中的風(fēng)險情況對本項目的風(fēng)險管理做出預(yù)估。

4 結(jié) 語

隨著“一帶一路”政策的提出，越來越多的國內(nèi)承包企業(yè)參與到國際工程項目中，因信息的不對稱、風(fēng)險的不確定性等因素，對風(fēng)險的管理就尤為重要。在項目初期，運用LMBP神經(jīng)網(wǎng)絡(luò)模型對國際工程項目風(fēng)險進(jìn)行評估，并找到與之相匹配的項目，及早對項目采取預(yù)防措施，可有效防治風(fēng)險。

參考文獻(xiàn)

[1] 陶玲，楊高升.國際工程承包法律風(fēng)險管理研究[J].項目管理技術(shù)，2014（6）：64?68.

[2] 趙振宇，高潔.國際工程承包企業(yè)可持續(xù)成長能力構(gòu)建及指標(biāo)體系研究[J].工程管理學(xué)報，2015（2）：153?158.

[3] 虞麗婷，林珒，袁競峰.北美地區(qū)國際工程承包市場發(fā)展現(xiàn)狀分析及戰(zhàn)略研究[J].項目管理技術(shù)，2013（10）：58?62.

[4] 白瑾，高雋.國際工程承包的風(fēng)險識別與評價[J].施工技術(shù)，2013（z1）：291?296.

[5] 羅和文.工程管理范疇及工程管理的重要性[J].工業(yè)C，2015（24）：1.

[6] 余治民，劉子建，董思科，等.基于蒙特卡洛模擬與響應(yīng)面方法的公差建模[J].中國機械工程，2015，26（4）：427?434.

[7] 焦斌，葉明星.BP神經(jīng)網(wǎng)絡(luò)隱層單元數(shù)確定方法[J].上海電機學(xué)院學(xué)報，2013（3）：113?116.

[8] 李翔，朱全銀.Adaboost算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測研究[J].計算機工程與科學(xué)，2013（8）：96?102.endprint