金 晶， 朱 亮， 李宗昊， 童心豪，楊長衛(wèi)

(1. 中國鐵道科學(xué)研究院,北京 100081;2.中國鐵路總公司 科技和信息化部，北京 100084；3.西南交通大學(xué)土木工程學(xué)院，四川成都 610031)

中國鐵路技術(shù)具有技術(shù)先進(jìn)、安全可靠、兼容性強(qiáng)的優(yōu)勢(shì)，是吸引“一帶一路”沿線國家參與的熱點(diǎn)領(lǐng)域，中國鐵路實(shí)施“走出去”戰(zhàn)略是踐行“一帶一路”倡議的必然選擇。但是，由于“一帶一路”涉及國家多，各國國情和需求各不相同，需要因國施策。同時(shí)，鐵路項(xiàng)目投資大、建設(shè)周期長、涉及環(huán)節(jié)多，潛伏各類風(fēng)險(xiǎn)因素復(fù)雜，亟需分國別評(píng)估鐵路項(xiàng)目“走出去”宏觀風(fēng)險(xiǎn)，為鐵路“走出去”風(fēng)險(xiǎn)規(guī)避與控制提供決策支持。

傳統(tǒng)的風(fēng)險(xiǎn)評(píng)估方法不能滿足目前復(fù)雜的情況，因此，尋求一種適用于海外鐵路投資建設(shè)風(fēng)險(xiǎn)評(píng)估的新方法具有重要意義。

目前針對(duì)鐵路“走出去”目標(biāo)國宏觀風(fēng)險(xiǎn)的評(píng)估主要基于專家打分的方法。然而，專家打分比選受控于專家的技術(shù)水平、個(gè)人情感及不同專家群體等人為因素的影響，具有較大的隨機(jī)性?；诖?，本文對(duì)海外鐵路投資建設(shè)項(xiàng)目風(fēng)險(xiǎn)評(píng)估指標(biāo)體系進(jìn)行構(gòu)建，提出基于隨機(jī)重連BP神經(jīng)網(wǎng)絡(luò)模型的評(píng)估方法，并通過實(shí)例驗(yàn)證此模型可用于對(duì)海外鐵路項(xiàng)目進(jìn)行投資建設(shè)的宏觀風(fēng)險(xiǎn)評(píng)估。

1 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型

1.1 BP神經(jīng)網(wǎng)絡(luò)介紹

人工神經(jīng)網(wǎng)絡(luò)是一種基于人腦所建立的模型[1]，其擁有由數(shù)量巨大的神經(jīng)元所組成的神經(jīng)元系統(tǒng)，有大規(guī)模并行、分布式處理、自組織、自學(xué)習(xí)等優(yōu)點(diǎn)[2-4]。其中，多層前向BP網(wǎng)絡(luò)是目前應(yīng)用最多的一種神經(jīng)網(wǎng)絡(luò)形式[5],具備自學(xué)習(xí)和自適應(yīng)能力、非線性映射能力、容錯(cuò)率高等優(yōu)點(diǎn)。許多用傳統(tǒng)信息處理方法無法解決的問題采用神經(jīng)網(wǎng)絡(luò)后取得了良好的效果[6-9]。

1.2 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型

本文在典型 3層前饋型 BP網(wǎng)絡(luò)模型(1個(gè)輸入層、1個(gè)輸出層和1個(gè)隱藏層，如圖1所示)的基礎(chǔ)上，對(duì)隱藏層與輸入層和輸出層之間的連接方式作出改進(jìn)(本文輸出層只有一個(gè)輸出單元)，如圖2所示。

圖1 典型3層BP網(wǎng)絡(luò)流程圖

圖2 隨機(jī)連接BP網(wǎng)絡(luò)流程圖

圖中：xi(i=1，…，n)代表輸入變量；vji為輸入層與隱藏層之間系統(tǒng)隨機(jī)的權(quán)值；wij為隱藏層與輸出層神經(jīng)元之間系統(tǒng)隨機(jī)的權(quán)值；y為整體輸出變量。

典型的BP網(wǎng)絡(luò)模型中，輸入層與隱藏層、隱藏層與輸出層之間采用全連接，但是其精度與效率存在一定的缺陷。本文基于此模型，提出一種變結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)模型，即輸入層和輸出層與隱藏層之間并不完全連接，取G=5(G為每個(gè)輸入神經(jīng)元或輸出神經(jīng)元相連接的隱藏層神經(jīng)元的個(gè)數(shù))，稱為隨機(jī)連接BP神經(jīng)網(wǎng)絡(luò)，將有效提高運(yùn)算的精度與效率[10]，具體過程如下。

設(shè)vji是輸入層與隱藏層之間系統(tǒng)隨機(jī)的權(quán)值；wij是隱藏層與輸出層神經(jīng)元之間系統(tǒng)隨機(jī)的權(quán)值；隱藏層第j節(jié)點(diǎn)的閾值為θj；輸出層第k節(jié)點(diǎn)的閾值為θk,任一節(jié)點(diǎn)的輸出以O(shè)表示，輸入用Q表示。在輸入層，輸入節(jié)點(diǎn)僅將輸入信息通過激活函數(shù)f(u)的作用傳播到隱藏層節(jié)點(diǎn)上。對(duì)于隱藏層第j個(gè)節(jié)點(diǎn) ,其輸入和輸出分別為

( 1 )

( 2 )

節(jié)點(diǎn)作用的激活函數(shù)f(u)采用Sigmoid型,其表達(dá)式為

( 3 )

對(duì)于輸出層第k個(gè)節(jié)點(diǎn),其輸入和輸出分別為

( 4 )

( 5 )

上述過程為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的正向傳播過程，本文采用的正向計(jì)算過程與典型的BP網(wǎng)絡(luò)[11]相同，權(quán)值與閾值的調(diào)整過程如下。

在訓(xùn)練學(xué)習(xí)過程中，對(duì)于隱藏層與輸出層之間的權(quán)值，有：

(1)按順序計(jì)算每個(gè)與輸出層相連的隱藏層神經(jīng)元j∈[0,G]。

(2)令ξ1∈[0,1]為一隨機(jī)數(shù)。

(4)令新的隱藏層神經(jīng)元為g，但g≠J，即新的隱藏層神經(jīng)元與原相連的G個(gè)隱藏層神經(jīng)元不重合。

(5)令ξ2∈[0,1]為一隨機(jī)數(shù)。

(7)激活的隱藏層神經(jīng)元與輸入層和輸出層的連接權(quán)值迭代方程為

( 6 )

δkp=(dk-Okp)Okp(1-Okp)

( 7 )

(8)當(dāng)E≤ε，訓(xùn)練學(xué)習(xí)過程結(jié)束；否則n=n+1，轉(zhuǎn)回(1)。

變結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)流程如圖3所示。

圖3 BP神經(jīng)網(wǎng)絡(luò)計(jì)算流程

2 鐵路“走出去”目標(biāo)國宏觀風(fēng)險(xiǎn)評(píng)價(jià)方法

2.1 評(píng)價(jià)指標(biāo)體系

在遵循科學(xué)性、系統(tǒng)性、代表性、可行性和可操作性原則的基礎(chǔ)上，綜合海外國家的實(shí)際情況與鐵路建設(shè)影響因素，根據(jù)多名具有海外項(xiàng)目實(shí)操經(jīng)驗(yàn)的鐵路勘察、設(shè)計(jì)、建設(shè)及投資領(lǐng)域?qū)＜乙庖?，研究建立目?biāo)國宏觀風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，如圖4所示。

通過對(duì)已有的海外鐵路建設(shè)項(xiàng)目案例資料分析，總結(jié)出中國鐵路“走出去”建設(shè)項(xiàng)目面臨的風(fēng)險(xiǎn)因素主要為以下幾個(gè)方面：

(1)經(jīng)濟(jì)方面的風(fēng)險(xiǎn)。此風(fēng)險(xiǎn)是根據(jù)目標(biāo)國整體的經(jīng)濟(jì)水平與經(jīng)濟(jì)前景所分析出來的風(fēng)險(xiǎn)，如總GPD、人均GDP等，經(jīng)濟(jì)是貫穿整個(gè)鐵路建設(shè)項(xiàng)目的關(guān)鍵，在一定程度上影響著一國的償付意愿和能力。

(2)人口方面的風(fēng)險(xiǎn)。此風(fēng)險(xiǎn)是根據(jù)目標(biāo)國人口的總體生活質(zhì)量所分析出來的風(fēng)險(xiǎn)，如平均壽命、出生率、死亡率等，在一定程度上反映了本國人民生活水平的高低，決定了該國的發(fā)展前景以及勞動(dòng)力的價(jià)格。

(3)交通方面的風(fēng)險(xiǎn)。此風(fēng)險(xiǎn)是根據(jù)目標(biāo)國當(dāng)前國內(nèi)整體的交通水平所分析出來的風(fēng)險(xiǎn)，如交通服務(wù)率等，在一定程度上反映了本國目前交通行業(yè)發(fā)展?fàn)顩r。

(4)政治方面的風(fēng)險(xiǎn)。此風(fēng)險(xiǎn)是根據(jù)目標(biāo)國當(dāng)前國內(nèi)的政策法規(guī)等情況所分析出來的風(fēng)險(xiǎn)，諸如法治能力、政治穩(wěn)定性等。政治壁壘是中國鐵路企業(yè)在“走出去”過程中首先遇到的非經(jīng)濟(jì)因素的巨大阻礙，目前中亞及中東地區(qū)政治局勢(shì)不穩(wěn)定，一旦發(fā)生意外，將對(duì)整個(gè)項(xiàng)目造成巨大損失，甚至人員傷亡。

圖4 鐵路“走出去”目標(biāo)國宏觀風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

2.2 BP神經(jīng)網(wǎng)絡(luò)模型的建立

根據(jù)鐵路“走出去”目標(biāo)國宏觀風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系(圖4)，可以建立典型的3層BP神經(jīng)網(wǎng)絡(luò)，其中將17項(xiàng)風(fēng)險(xiǎn)作為輸入層17個(gè)單元，輸出層神經(jīng)元數(shù)量為1，隱藏層通過公式為

式中：m為隱藏層神經(jīng)元數(shù)；n為輸入層神經(jīng)元數(shù)；l為輸出層神經(jīng)元數(shù)；a為0～5的任意常數(shù)，本文a取為5。

2.3 綜合評(píng)價(jià)

在影響鐵路投資建設(shè)的目標(biāo)國宏觀風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的17個(gè)指標(biāo)中，每種指標(biāo)之間并無直接聯(lián)系，且量綱差異很大。因此，在建立神經(jīng)網(wǎng)絡(luò)模型之前，要對(duì)數(shù)據(jù)進(jìn)行歸一化處理，即把所有數(shù)據(jù)經(jīng)過處理后，限制在一定范圍內(nèi)[12-13]，而本案例采用專家評(píng)分的方法進(jìn)行分類處理，評(píng)分時(shí)經(jīng)過專家充分審核，具體結(jié)果見表1。

表1 專家對(duì)于風(fēng)險(xiǎn)的評(píng)分情況

輸入層17個(gè)單元根據(jù)表1的風(fēng)險(xiǎn)分級(jí)得到的數(shù)據(jù)，通過隱藏層的不斷擬合，最終得到輸出層的1個(gè)神經(jīng)元輸出，該輸出為1個(gè)取值范圍為[0，1]的代數(shù)值，該值屬于表1的分類，即數(shù)值越大，該項(xiàng)目的風(fēng)險(xiǎn)越低，反之，數(shù)值越低，風(fēng)險(xiǎn)越高。本文采用NO.1代表國家1，以此類推。

BP神經(jīng)網(wǎng)絡(luò)對(duì)項(xiàng)目風(fēng)險(xiǎn)的評(píng)價(jià)，是通過一定數(shù)量的已知樣本，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將17個(gè)輸入數(shù)據(jù)通過網(wǎng)絡(luò)不斷的迭代計(jì)算，最終達(dá)到目標(biāo)值，即得到了一個(gè)理想的神經(jīng)網(wǎng)絡(luò)模型。訓(xùn)練網(wǎng)絡(luò)的樣本集應(yīng)是可信度高的權(quán)威性評(píng)價(jià)結(jié)果，可以通過專家對(duì)部分海外修建鐵路的實(shí)際工程的結(jié)果得到。將訓(xùn)練的模型儲(chǔ)存起來，對(duì)需要預(yù)測(cè)的項(xiàng)目進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)，只要輸入相應(yīng)的風(fēng)險(xiǎn)評(píng)估值，此神經(jīng)網(wǎng)絡(luò)系統(tǒng)就可以通過之前學(xué)習(xí)算出的權(quán)值和閾值，計(jì)算出此項(xiàng)目的綜合風(fēng)險(xiǎn)評(píng)價(jià)值，并將輸出層作為網(wǎng)絡(luò)結(jié)果輸出，即可得到最終評(píng)價(jià)結(jié)果。

3 模型的實(shí)例應(yīng)用

綜合上述BP神經(jīng)網(wǎng)絡(luò)模型與風(fēng)險(xiǎn)評(píng)價(jià)體系，對(duì)“一帶一路”沿線32個(gè)國家宏觀風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)?；趯＜医?jīng)驗(yàn)法對(duì)每個(gè)國家的17個(gè)風(fēng)險(xiǎn)進(jìn)行評(píng)估，再綜合這17項(xiàng)得分，對(duì)每個(gè)國家修建鐵路的風(fēng)險(xiǎn)進(jìn)行評(píng)估，結(jié)果見表2。選取前18個(gè)國家的數(shù)據(jù)作為訓(xùn)練樣本集，采用TRAINDX學(xué)習(xí)函數(shù)，調(diào)整訓(xùn)練參數(shù)直到滿足訓(xùn)練集的誤差要求，應(yīng)用MATLAB軟件神經(jīng)網(wǎng)絡(luò)工具箱訓(xùn)練前18組數(shù)據(jù)，訓(xùn)練結(jié)果見表3。

表2 鐵路“走出去”32個(gè)目標(biāo)國宏觀風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

表2(續(xù))

表3 BP神經(jīng)網(wǎng)絡(luò)對(duì)前18個(gè)國家鐵路修建風(fēng)險(xiǎn)的訓(xùn)練結(jié)果

表4 BP神經(jīng)網(wǎng)絡(luò)對(duì)后14個(gè)國家鐵路修建風(fēng)險(xiǎn)的預(yù)測(cè)結(jié)果

從表3可以看出，前18組訓(xùn)練數(shù)據(jù)的平均相對(duì)誤差為2.5%，訓(xùn)練樣本的最大誤差為4.9%，可以判斷該神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)效果較好，滿足項(xiàng)目的精度需求。該模型經(jīng)過訓(xùn)練已經(jīng)將數(shù)據(jù)之間的非線性函數(shù)關(guān)系存儲(chǔ)到系統(tǒng)之中，故可以將后14組數(shù)據(jù)作為模型的預(yù)測(cè)值代入模型進(jìn)行預(yù)測(cè)，將預(yù)測(cè)結(jié)果和專家評(píng)估值進(jìn)行比對(duì)，結(jié)果見表4。

從表4可以看出，預(yù)測(cè)數(shù)據(jù)集的平均相對(duì)誤差為2.76%，預(yù)測(cè)集的最大相對(duì)誤差為4.9%，說明該神經(jīng)網(wǎng)絡(luò)模型可達(dá)到項(xiàng)目所需求的精度，能夠用于該類項(xiàng)目風(fēng)險(xiǎn)評(píng)估。

4 結(jié)束語

通過本文所創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型，在鐵路“走出去”目標(biāo)國宏觀風(fēng)險(xiǎn)評(píng)價(jià)中，只需專家給出目標(biāo)國各個(gè)風(fēng)險(xiǎn)的評(píng)分，就可以得出目標(biāo)國的總體建設(shè)風(fēng)險(xiǎn)評(píng)分，無需再進(jìn)行繁瑣的人工評(píng)分，能夠從宏觀層面為國家鐵路“走出去”提供支撐，且能夠?qū)崟r(shí)跟蹤不同影響因素的變化軌跡及其對(duì)整體風(fēng)險(xiǎn)的影響程度。

由于本項(xiàng)目中的各個(gè)影響因素之間關(guān)系復(fù)雜，并不能直觀用一個(gè)線性表達(dá)式來進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)，故選擇采用BP神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行非線性處理，得到風(fēng)險(xiǎn)評(píng)估量化值。BP神經(jīng)網(wǎng)絡(luò)對(duì)于一組非線性的數(shù)據(jù)，不需要相對(duì)應(yīng)的函數(shù)方程，僅通過自身的訓(xùn)練，不斷迭代出相應(yīng)的結(jié)果，得到一個(gè)滿足要求的方程模型，即可以滿足項(xiàng)目的要求[14],比傳統(tǒng)方法更為有效便捷，神經(jīng)網(wǎng)絡(luò)在此非線性領(lǐng)域具有廣闊的應(yīng)用前景[15]。

本模型主要針對(duì)鐵路“走出去”宏觀建設(shè)風(fēng)險(xiǎn)評(píng)價(jià)，對(duì)于具體的鐵路項(xiàng)目風(fēng)險(xiǎn)，如施工風(fēng)險(xiǎn)、環(huán)境風(fēng)險(xiǎn)等具體建設(shè)過程中的風(fēng)險(xiǎn)，需根據(jù)實(shí)際目標(biāo)需要及實(shí)際風(fēng)險(xiǎn)指標(biāo)，另作考慮。