谢亮 XIE Liang
（西藏职业技术学院，拉萨 850000）
（Tibet Vocational Technical Collage，Lhasa 850000，China）
摘要： 在政府投资项目推行代建制的过程中，必须正确认识代建制模式下的风险管理工作的重要性，认清风险的来源，有效评估工程项目风险严重程度和整体风险水平是决策项目上马的先决条件。本文在阐述代建制项目进行风险评价的重要性基础上，结合政府投资代建项目的特征和国内工程的实践进行归纳总结，建立了共性的风险评价指标体系，提出了基于误差反向传播算法的BP神经网络评价模型，并通过算例验证了该模型的可行性，为实际工程项目进行风险预测、应对、规避提供决策支持，从而提高了政府投资项目的整体效益。
Abstract： In the process of government investment project implementing agency construction， we must understand correctly the importance of risk management under agency construction and recognize the risk source，so as to assess the severity of project risk and the overall level of risk effectively which is an essential prerequisite of decision-making project. On the basis of expounding the importance of project under agency construction carrying on risk assessment，combined with the characteristic of project under agency construction and the generalization of domestic engineering practice，this paper set up common risk evaluation index system，put forward the BP neural network evaluation model based on error back propagation. Besides this paper uses the BP neural network evaluation model in the really construction to draw a conclusion that the model is feasible and hope the model can provide the decision support for risk prediction、risk response and risk aversion in the really construction，so as to improve the whole efficiency of the government investment project.
教育期刊网 http://www.jyqkw.com
关键词 ： BP；神经网络；代建制；风险评价
Key words： BP；neural network；gent-construction；risk assessment
中图分类号：F283 文献标识码：A 文章编号：1006-4311（2015）19-0030-03
作者简介：谢亮（1982-），男，四川德阳人，讲师，工程师，一级建造师，造价工程师，硕士研究生，研究方向为工程管理。
0 引言
政府投资项目实行代建制，可以有效加强政府对投资项目的管理，规范投资建设秩序，建立投资责任约束机制，通过市场运作，选择有经验、讲信誉的专业化管理队伍，用法律和经济手段确立投资者和建设者之间的相互关系，有效保证资金的使用效益和施工质量。因此，本文在项目实行代建制的前提下，运用基于误差反向传播算法的BP神经网络评价代建制项目风险，通过建立代建制项目一般风险指标为引例，论证该方法在项目风险评价上的可行性、可操作性，为实际工程项目规避风险，降低工程成本提供理论依据，从而提高政府投资项目的社会效益和经济效益。
1 代建制项目风险评价的重要性
政府投资项目代建制作为有效的工程项目管理模式，推进代建制的实施必然要重视投资项目的风险管理，尤其是对投资项目的风险评价。风险评价是政府投资代建项目风险管理的关键步骤，是对一个项目整体风险水平做出合理评价的过程。在对投资项目风险因素进行识别之后，投资决策者在进行风险因素识别以后就需要分析其投资机会的潜在价值，判断项目在整个生命周期遇到的不确定性风险带来损失的程度，决策项目是否上马[1]。
因此，需要对项目面临的风险做出科学评价，并以此为依据制定相应风险应对规避措施，减少或降低项目在实施过程中带来的损失。由此可见，风险评价在项目中的重要性是不言而喻的。
2 建立误差方向传播神经网络评价模型
任何一个项目在实施过程中都具有不确定性，代建制作为政府投资项目建设推行的一种模式，具有打包式的形式，项目在实施过程中存在许多偶然事件。通过整理相关文献，目前关于代建制项目的风险评价研究较少，部分学者从理论上进行了研究，提出了不同的观点，Nigel John Smith， Min An等人[2]，引入因子指数来组织和评估这些因素，并将其整合纳入风险评估的决策过程中。该文献提出了一种全新的风险评估方法，以应对建设行业复杂环境中的风险。同时根据模糊推理技术，提出了一种处理在施工过程中产生的不确定性和主观性的有效工具。Stephen Ward， Chris Chapman认为[3]，目前所有项目风险管理的实施过程，都忽视了关于项目不确定性管理。该文献讨论了引起这种观点的原因，并坚决主张把注意力集中于不确定性上而不是风险，才能够提高项目的风险管理。同时提出了一种如何将项目风险管理的过程改进成便于应用不确定性管理观点的方法。孙少楠等人，研究了基于群组AHP代建制项目风险评价，认为利用群组层次分析的方法，来确定代建制项目风险层次结构中风险指标权重，从而来确定风险指标评价等级[4]。因此，本文在改进前人研究的基础上，通过误差反向传播算法建立BP评价模型，并以工程实例的形式来验证模型的科学性和合理性，从而为代建制模式下工程项目风险评价提供应用价值。
2.1 人工神经网络概述
人工神经网络（Artificial Neural Network）是模仿生物神经网络功能的一种经验模型，由大量与自然神经细胞类似的人工神经元互联而成的网络。其工作机理是根据输入的信息建立神经元，输入和输出之间的变换关系具有非线性特点，通过输入一定量的样本数据按照学习规则或自组织进行不断修正，把问题的特征反映在神经元之间相互联系的权值中，使输出结果和实际值之间差距不断缩小。所以，神经网络的输出层就是将给出解决问题的结果[5]。
2.2 BP神经网络算法流程
基于误差反向传播（Error back propagation， 简称BP）的神经网络是一种多层次反馈型网络，使用有导师的学习算法。而基于人工神经网络的多指标综合评价方法通过神经网络的自学习、自适应能力和强容错性，建立更加接近人类思维模式的定性与定量相结合的综合评价模型。
在本文采用基于BP算法来构造神经网络模型，选用典型的三层BP神经网络前馈型层次结构网络，由输入层，隐含层和输出层三部分组成。其中同层次神经元之间无关联，异层次神经元之间前向连接。在三层BP神经网络中，输入层含n个节点，代表神经网络的n个输入；输出层含l个节点，代表神经网络的l种输出；隐含层的节点数目m，可根据需要设置，具体相关函数参见文献[6-7]。
本文应用Matlab 7.0进行BP算法步骤如下：
2.3 建立评价指标体系
本文结合政府投资代建项目的特征，旨在建立一般意义上的风险评价指标体系，根据全面性、可比性、可操作性等指标设计原则，并考虑到模型的实际运用，建立了基本所有项目通用的、系统的、科学合理的代建制项目风险评价指标体系。对于一个具体的项目而言，风险因素的增加、删减并不影响本模型的应用，评价指标体系如图1所示。
2.4 基于BP神经网络模型建立
由于目前针对代建项目风险管理的工程实例和历史数据较少，为了获得本文模型实证所需的样本数据，经过大量相关文献数据的收集整理，共收集到了6个实施代建制的项目风险数据，将实际数据进行了处理，处理后的样本数据见表1所示。
实际应用表明，合理确定网络层数与各层的神经元数，是成功应用BP神经网络模型的关键之一。一个三层的神经网络可以完成任意n维到m维的映射，即具有一个隐含层的神经网络能够以任意精度表示任何连续函数。因此，本模型设置一层隐含层，建模如下：
①输入节点：根据风险评价指标体系，将政治风险，经济风险，自然风险，决策风险，管理风险共5个作为BP模型的输入节点；②输出节点：输出节点对应评价结果，在本文建立的模型中，由于最终的结果是一个评价数值，即综合评价分数，代表不同的风险程度，因此选择1个输出节点；③隐节点：根据最佳隐节点计算公式，本模型隐节点数选择范围在3-12之间，利用表1样本数据进行训练，训练函数采用Traingdx函数，训练结果见表2所示。
误差水平和训练速度是考虑网络性能的两个重要指标。根据表2可知，隐含层节点数为11的BP网络对评价函数的逼近效果最好，误差最小，训练次数为115次。因此，本模型中隐含层的节点数目应该选择为11。因此，本文建立的BP神经网络模型为5×11×1的三层网络模型。
④训练函数：采用不同的训练函数对网络收敛速度和训练次数有影响，通过对traingdx、trainlm和traingd三个训练函数进行分析，trainlm学习算法具有收敛速度很快特点，训练结果、误差曲线分别如图2、图3所示。
可以看出，训练次数为6时，网络的逼近误差为7.42×10-5。六组样本数据的误差在区间（-0.016，0）内。因此，本文的评价模型决定采用trainlm对网络进行训练。
综上所述，最终确定风险评价神经网络模型的BP网络结构见表3所示。
3 应用算例
本文以西藏会展中心为项目背景，通过训练好的模型对该项目在实施过程中的进行风险评价，为项目制定风险应对措施提供科学依据，也提供了一种风险评价思路。
3.1 模型训练
通过运用6个样本输入和输出值对建立的BP神经网络进行学习训练，EMSE=7.42×10-5，总体误差满足要求，训练样本结果见表4所示。
3.2 西藏会展中心项目风险评价
将西藏会展中心项目原始数据经处理后的项目风险数据作为样本输入数据见表5所示，输入到训练误差满足要求的模型中，得到表6的输出结果，即风险评价等级。
根据表6输出的数据结果可以得出，模型训练比较稳定，期望输出0.6947，即为评价项目的风险等级，该项目评定结果为中风险。
4 结论
本文通过建立政府投资代建项目的风险评价指标体系，运用误差反向传播算法，建立代建制项目风险评价模型，通过对获得的实例工程风险评价样本数据，带入评价模型中进行自学习、训练，使得模型的自适应满足评价要求，最后以工程实例对该模型进了风险评价验证，论证了该模型的可行性和可操作性，通过该模型在工程实例中的应用，为工程规避风险，制定风险应对措施提供了科学指导，为企业减少了不可预见费用的支出，提高了政府投资项目的社会效益和经济效益，证明该模型在政府投资代建项目风险评价及控制中值得应用。
教育期刊网 http://www.jyqkw.com
参考文献：
[1]Akintola S Akintoye， Malcolm J MacLeod. Risk analysis and management in construction. International Journal of Project Management， 1997， 15(1)：31-38.
[2]Nigel John Smith， Min An. Application of a fuzzy based decision making methodology to construction project risk assessment[J]. International Journal of Project Management， 2007，25：589-600.
[3]Stephen Ward，Chris Chapman. Transforming project risk management into project uncertainty management[J]. International Journal of Project Management，2003，21：97-105.
[4]孙少楠，王爱领.基于群组AHP代建制项目风险评价[J].统计与决策，2009，1：172-173.
[5]张颖，刘艳秋.软计算方法.[M].北京：科学出版社，2002：66.
[6]袁曾任.人工神经网络原理及其应用[M].北京：清华大学出版社，1999：36-42.
[7]韩力群.人工神经网络理论、设计及应用.北京：化学工业出版社，2007.
[8]飞思科技产品研发中心.神经网络理论与Matlab 7.0实现.[M].北京：电子工业出版社，2005.
