張 曦，黃嘉南，戴二玲

（福州市規(guī)劃設(shè)計研究院，福建 福州 350108，E-mail:491093505@qq.com）

建設(shè)項目（以下簡稱“項目”）的全壽命周期中，因建設(shè)、運營而引發(fā)的社會穩(wěn)定風(fēng)險，關(guān)系到項目能否順利實施，是項目各方關(guān)注的焦點。自我國推行重大項目和重大決策在實施前進行社會穩(wěn)定與經(jīng)濟效益“雙評估”機制以來，各級政府相繼出臺一系列文件，以期通過項目的社會穩(wěn)定風(fēng)險評估（以下簡稱“穩(wěn)評”），采取有效手段化解和規(guī)避風(fēng)險。項目穩(wěn)評依風(fēng)險調(diào)查、風(fēng)險識別、風(fēng)險估計和風(fēng)險等級評判，提出風(fēng)險防范、化解措施順序開展。風(fēng)險估計作為穩(wěn)評核心工作，其目的是科學(xué)合理地估計項目社會穩(wěn)定綜合風(fēng)險值，評判項目的社會穩(wěn)定風(fēng)險等級，作為項目實施決策的依據(jù)。

目前，在國內(nèi)外已有的理論研究成果和相關(guān)穩(wěn)評實踐中，風(fēng)險估計方法主要有兩類。一是借助專家經(jīng)驗的綜合風(fēng)險指數(shù)法，如于丹萍等[1]闡述用主要風(fēng)險因素的權(quán)重與其程度之積，加權(quán)計算綜合風(fēng)險指數(shù)的水利項目穩(wěn)評方法；Layth Kraidi等[2]針對油氣管道項目利益相關(guān)者開展問卷調(diào)查，確定風(fēng)險因素的發(fā)生概率和嚴重程度，以兩者相乘計算風(fēng)險因素的指數(shù)，基于模糊邏輯理論確定關(guān)鍵風(fēng)險因素；二是基于模糊數(shù)學(xué)的模糊綜合評價法，如唐琳等[3]基于模糊數(shù)學(xué)構(gòu)建房屋征收項目的社會穩(wěn)定風(fēng)險模糊估計模型，并以此對深圳市某房屋征收項目進行風(fēng)險模糊評估；王娟麗[4]根據(jù)容易引起重大項目社會穩(wěn)定風(fēng)險的主要風(fēng)險因素，基于 AHP-模糊綜合評價法提出穩(wěn)評指標體系，并以某商務(wù)廣場為例進行風(fēng)險評估等級判斷；Xianbo Zhao等[5]基于模糊綜合評價法構(gòu)建綠色建筑項目的風(fēng)險評估模型。上述方法為穩(wěn)評實踐提供了有效的風(fēng)險估計手段。但是在實際運用中，也凸顯出一些不足[6]。

神經(jīng)網(wǎng)絡(luò)是一種進行分布式并行信息處理的算法模型，具有強大的數(shù)據(jù)擬合能力和自學(xué)習(xí)、聯(lián)想功能，運算精度較高，適合處理模糊性和不確定性問題[7]。如王飛球等[8]利用BP神經(jīng)網(wǎng)絡(luò)評估跨既有線高速鐵路橋梁的施工安全風(fēng)險；吳微露等[9]運用線性神經(jīng)網(wǎng)絡(luò)構(gòu)建通抗裝備狀態(tài)評估模型等。項目因自身組織、管理、決策等缺陷，在全壽命周期中可能面臨的資金、安全、技術(shù)、社會互適、環(huán)境融合、經(jīng)濟效益、公共利益等不同方面的社會穩(wěn)定風(fēng)險[10]種類多、影響范圍廣、不確定性強，與神經(jīng)網(wǎng)絡(luò)處理模糊性和不確定性問題的特點不謀而合。同時，利用神經(jīng)網(wǎng)絡(luò)估計社會穩(wěn)定綜合風(fēng)險值，其樣本數(shù)據(jù)由基于線性運算規(guī)則的模糊綜合評價法經(jīng)蒙特卡羅法隨機產(chǎn)生。在相同訓(xùn)練與檢驗樣本下，相較于 BP、徑向等其他神經(jīng)網(wǎng)絡(luò)的試算結(jié)果，線性神經(jīng)網(wǎng)絡(luò)的檢驗誤差均值最小[11]。

因此，本文提出利用模糊綜合評價法與蒙特卡羅法產(chǎn)生隨機樣本，通過樣本學(xué)習(xí)實現(xiàn)基于線性神經(jīng)網(wǎng)絡(luò)估計項目社會穩(wěn)定綜合風(fēng)險值（以下簡稱“估計模型”）的新思路。

1 線性神經(jīng)網(wǎng)絡(luò)原理及算法

線性神經(jīng)網(wǎng)絡(luò)是由一個或多個線性神經(jīng)元構(gòu)成的簡單神經(jīng)元網(wǎng)絡(luò)。線性神經(jīng)網(wǎng)絡(luò)通過對輸入賦予不同的權(quán)值和偏置，產(chǎn)生符合期望的輸出。

權(quán)值和偏置的調(diào)整通過LMS（Least Mean Square）算法實現(xiàn)。其要求在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，同時給出輸入數(shù)據(jù)及與其對應(yīng)的輸出數(shù)據(jù)，兩者共同構(gòu)成一組訓(xùn)練數(shù)據(jù)[12]，基于負梯度下降原則減小網(wǎng)絡(luò)訓(xùn)練誤差平方和的均值。其定義公式為:

式中，n為訓(xùn)練樣本的數(shù)量；y為神經(jīng)網(wǎng)絡(luò)的實際輸出；d為神經(jīng)網(wǎng)絡(luò)的期望輸出。

LMS算法調(diào)整權(quán)值和偏置的主要步驟為:

（1）計算第k次迭代時，訓(xùn)練誤差的平方對權(quán)值和偏置的二階偏微分。

（2）計算此時訓(xùn)練誤差對權(quán)值和偏置的一階偏微分。

2 估計模型的構(gòu)建

2.1 構(gòu)建估計模型的技術(shù)路線

構(gòu)建估計模型的技術(shù)路線如圖1所示。其具體實施步驟為:建立項目穩(wěn)評指標體系；利用模糊綜合評價法與蒙特卡羅法產(chǎn)生隨機樣本數(shù)據(jù)；利用Matlab軟件編寫估計模型程序；通過增加訓(xùn)練樣本數(shù)的試驗方式，確定誤差最小的訓(xùn)練樣本數(shù)；檢驗估計模型的預(yù)測精度與效果。

圖1 構(gòu)建估計模型的技術(shù)線路圖

2.2 項目穩(wěn)評指標體系

基于戴二玲等[10]總結(jié)的項目社會穩(wěn)定風(fēng)險清單，構(gòu)建以項目全壽命周期中決策期、實施期、運營期涉及的安全、技術(shù)、資金等 24個一級評估指標組成的項目穩(wěn)定風(fēng)險評估指標體系，如表1所示。

表1 項目社會穩(wěn)定風(fēng)險評估指標體系

2.3 模糊綜合評價法的參數(shù)計算步驟

（1）確定評判語等級。項目的社會穩(wěn)定風(fēng)險等級分為高風(fēng)險、中風(fēng)險、低風(fēng)險3個等級[13]。對應(yīng)的評判語等級為3個區(qū)間，4個閥值。令評判語等級為V，則可定義:

式中，V1~V4由低到高表示單個風(fēng)險因素的風(fēng)險水平，依次為較小危險、中等危險、較大危險以及重大危險，賦值為V=[0,0.36,0.64,1]T[14]。

（2）獲取隸屬度矩陣。隸屬度矩陣是依據(jù)評判語等級對評估指標體系中單個風(fēng)險因素進行模糊評判而得到的矩陣。其數(shù)據(jù)來源于針對項目影響區(qū)域內(nèi)的利益相關(guān)者所做的風(fēng)險水平調(diào)查。令隸屬度矩陣為H，則:

式中，aji為第j個風(fēng)險因素第i個風(fēng)險水平的問卷數(shù)

（3）確定單個風(fēng)險因素的綜合權(quán)重值。

（4）計算項目社會穩(wěn)定綜合風(fēng)險值。選用對所有因素依權(quán)重大小均衡兼顧的加權(quán)平均模糊綜合決策模型[15]。由隸屬度矩陣與評判語等級向量運算得到單風(fēng)險因素評判向量，再與單風(fēng)險因素權(quán)重向量運算得到項目的社會穩(wěn)定綜合風(fēng)險值。即:

式中，Y為項目社會穩(wěn)定綜合風(fēng)險值；Q為單風(fēng)險因素評判向量；W為單風(fēng)險因素的權(quán)重向量；V、H含義同上。

2.4 獲取樣本數(shù)據(jù)

項目社會穩(wěn)定風(fēng)險的復(fù)雜性，導(dǎo)致其風(fēng)險水平的調(diào)查結(jié)果很大程度上受被調(diào)查人主觀因素的影響，不確定性強，適合采用蒙特卡羅方法模擬生成樣本數(shù)據(jù)[16,17]。同時，該方法模擬產(chǎn)生的樣本數(shù)據(jù)，很好地滿足了輸入輸出的個數(shù)相同且代表同樣的風(fēng)險因素、輸入輸出的數(shù)據(jù)均來源于同一估計方法這兩個線性神經(jīng)網(wǎng)絡(luò)訓(xùn)練與檢驗樣本數(shù)據(jù)的必要條件。

以模糊綜合評價法中的單風(fēng)險因素評判向量、項目社會穩(wěn)定綜合風(fēng)險值作為輸入、輸出數(shù)據(jù)，構(gòu)成一對樣本數(shù)據(jù)。設(shè)定調(diào)查規(guī)模為 50人，利用RAND函數(shù)產(chǎn)生隨機數(shù)，模擬生成隸屬度矩陣所需的項目風(fēng)險水平調(diào)查結(jié)果數(shù)據(jù)；根據(jù)式（10）、式（11）計算隸屬度矩陣H、單風(fēng)險因素評判向量Q；基于熵權(quán)法計算單個風(fēng)險因素的熵值及熵權(quán)、項目全壽命周期中3個階段所占比重、單個風(fēng)險因素的綜合權(quán)重值；利用式（11）計算項目的綜合風(fēng)險值為0.225（見表2）。以此類推，可根據(jù)需要產(chǎn)生估計模型訓(xùn)練與檢驗使用的樣本數(shù)據(jù)。

2.5 構(gòu)建估計模型

運用Matlab軟件編寫由輸入層、中間層和輸出層所組成的估計模型程序。設(shè)置輸入層為 24個單風(fēng)險因素評判值，輸出層為單一的綜合風(fēng)險值；線性函數(shù)、訓(xùn)練函數(shù)、學(xué)習(xí)函數(shù)以及誤差性能函數(shù)分別采用newlin、train、learnwh和mse函數(shù)；訓(xùn)練停止條件設(shè)置為訓(xùn)練次數(shù)達到 1000次或迭代結(jié)果誤差小于1×10-7，估計模型訓(xùn)練流程如圖2所示。

由于單風(fēng)險因素評判向量內(nèi)的數(shù)據(jù)均符合[0,1]，無需無量綱處理輸入數(shù)據(jù)；設(shè)定檢驗誤差為樣本綜合風(fēng)險值與估計模型預(yù)測的綜合風(fēng)險值之差；采用試驗法確定估計模型訓(xùn)練樣本的組數(shù)。檢驗樣本固定為10組，訓(xùn)練樣本由5組開始增加，運行估計模型的訓(xùn)練與檢驗程序，不同訓(xùn)練樣本的試驗過程數(shù)據(jù)如表3所示。其中訓(xùn)練樣本為5組時的均方誤差與檢驗誤差平均值最小，當(dāng)訓(xùn)練樣本達到 45組，估計模型學(xué)習(xí)過度飽和，無法收斂。因此，估計模型的訓(xùn)練樣本、檢驗樣本分別確定為 5組、10組。訓(xùn)練與檢驗的15組樣本數(shù)據(jù)如表4所示。以表中的樣本數(shù)據(jù)訓(xùn)練與檢驗估計模型，訓(xùn)練達到886次后結(jié)束，均方誤差為9.91×10-8。

表2 項目綜合風(fēng)險值模擬計算表

圖2 估計模型訓(xùn)練流程圖

表3 不同訓(xùn)練樣本的誤差對比表

經(jīng)統(tǒng)計，10組檢驗樣本值與預(yù)測值的誤差絕對值如表 5所示，其中平均誤差絕對值為 0.011，平均誤差率為3.99%。進一步采用積差相關(guān)系數(shù)R驗算樣本值與預(yù)測值的相關(guān)性，經(jīng)計算R= 0.916，表明樣本值與預(yù)測值高度相關(guān)，估計模型具有較高預(yù)測精度。

2.6 效果分析

實踐認知中，穩(wěn)評指標體系內(nèi)若干風(fēng)險因素的風(fēng)險水平保持不變，而其他風(fēng)險因素的風(fēng)險水平由低到高變化，項目的綜合風(fēng)險值隨之變大；變化的風(fēng)險因素個數(shù)越多，綜合風(fēng)險值變化程度也越大。

選取表4中樣本一，考察單風(fēng)險因素評判值由0至1逐漸升高時估計模型預(yù)測值的變化趨勢。設(shè)定單風(fēng)險因素評判值的6個變化檔次如表6所示。

按2個、6個、12個風(fēng)險因素的風(fēng)險水平同時變化建立觀察組，每組中其他風(fēng)險因素風(fēng)險水平保持不變。3個觀察組預(yù)測值的變化趨勢如圖3所示。

由圖3可知:預(yù)測值隨單風(fēng)險因素評判值遞增而遞增；單風(fēng)險因素評判值為0的個數(shù)增加，對應(yīng)預(yù)測值逐漸減小；評判值為1的個數(shù)增加，預(yù)測值逐漸增大；預(yù)測值變化趨勢線的斜率，12個因素同時變化時最大，6個因素的次之，2個因素的最小。

表4 估計模型訓(xùn)練和檢驗樣本表

表5 檢驗誤差分析

表6 單風(fēng)險因素評判值變化的六個檔次

圖3 觀察組的預(yù)測值變化趨勢圖

因此，估計模型符合綜合風(fēng)險值與單風(fēng)險因素評判值的大小成正比、與單風(fēng)險因素評判值大小的個數(shù)成正比、與單風(fēng)險因素評判值遞增的個數(shù)成正比的實踐認知，可以很好地實現(xiàn)風(fēng)險估計的目的。

3 實例分析

福建省某城市次干路工程全長1022m，規(guī)劃紅線寬30m，設(shè)計車速40km/h。建設(shè)內(nèi)容包括道路，給排水、電力及通信管道，電氣及照明，綠化，交通及安全設(shè)施等。經(jīng)收集項目資料及踏勘現(xiàn)場，開展采取風(fēng)險防范、化解措施前后兩次的單個風(fēng)險因素風(fēng)險水平問卷調(diào)查。共計發(fā)出和回收問卷40份，其中有效問卷 35份，問卷回收率 100%、有效率87.5%，調(diào)查結(jié)果如表7所示。

采用估計模型并編寫仿真程序，預(yù)測采取風(fēng)險防范、化解措施前項目的社會穩(wěn)定綜合風(fēng)險值為0.335，依據(jù)單風(fēng)險因素評判值大小排序，主要風(fēng)險因素依次為營運期—公共利益、決策期—安全、決策期—公共利益、實施期—公共利益、實施期—經(jīng)濟效益等。采取表8所示的主要風(fēng)險防范、化解措施，項目的社會穩(wěn)定綜合風(fēng)險值降為 0.151，風(fēng)險等級為低風(fēng)險。

4 結(jié)語

本文在建立項目穩(wěn)評指標體系的基礎(chǔ)上，利用模糊綜合評價法與蒙特卡羅法產(chǎn)生隨機樣本數(shù)據(jù)，基于線性神經(jīng)網(wǎng)絡(luò)構(gòu)建訓(xùn)練檢驗效果良好的項目社會穩(wěn)定風(fēng)險估計模型。一方面，通過降低現(xiàn)有社會穩(wěn)定風(fēng)險估計方法中普遍存在的主觀與隨意性、克服現(xiàn)有社會穩(wěn)定風(fēng)險估計方法因大計算量而導(dǎo)致的人為錯誤，有效提高項目社會穩(wěn)定風(fēng)險估計的客觀性；另一方面，隨著應(yīng)用過程中實際工程數(shù)據(jù)的增加和完善，可以通過線性神經(jīng)網(wǎng)絡(luò)動態(tài)的自學(xué)習(xí)過程，不斷加強其學(xué)習(xí)能力和訓(xùn)練水平，實現(xiàn)在使用過程中不斷提高預(yù)測精度、擴大估計范圍，切實保證估計模型具有更好的實用性。

表7 單個風(fēng)險因素風(fēng)險水平調(diào)查結(jié)果表

表8 采用的主要風(fēng)險防范、化解措施表