基于LMBP神經(jīng)網(wǎng)絡的國際工程項目風險評價研究

孫文建+楊文亞

摘 要： 國際工程承包項目面臨的風險因素眾多，給項目風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險進行評價尤為重要。通過建立國際工程項目風險評價指標體系，對傳統(tǒng)的BP神經(jīng)網(wǎng)絡模型進行改進，提出LMBP神經(jīng)網(wǎng)絡模型，避免了其難收斂和收斂時間長的弊端，建立LMBP神經(jīng)網(wǎng)絡評價模型，用模糊綜合評價方法驗證其準確性和可靠性。最后以馬來西亞的一個項目為例，實證其風險評價的實用性。

關鍵詞： 國際工程； LMBP神經(jīng)網(wǎng)絡； 風險評價； 風險管理

中圖分類號： TN711?34 文獻標識碼： 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)務涉及全球范圍[1]?！耙粠б宦贰边@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)跟不上復雜多變的市場環(huán)境[3]。企業(yè)項目風險控制與管理能力等都有待于提高，加之缺乏國際型、復合型人才，既不熟悉了解國際工程市場規(guī)則、管理模式和風險控制[4]，又缺乏使用在國際工程上的先進管理工具[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，導致決策失誤，造成項目虧損。

因此，對國際工程項目的風險評價就尤其重要，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，風險評價結果主要取決于人的主觀性判斷。因此，這些方法得到的結果往往與實際存在著偏差。本文選用LMBP神經(jīng)網(wǎng)絡模型對國際工程承包項目進行風險評價研究。首先，BP神經(jīng)網(wǎng)絡具有自主調(diào)節(jié)能力，可以依據(jù)歷史數(shù)據(jù)進行調(diào)整。該模型可在多次訓練后記憶專家們的評價數(shù)據(jù)，對風險因素進行量化，通過大量的樣本削弱人的主觀意志影響，使評價更準確[7?8]。其次，神經(jīng)網(wǎng)絡能不斷的通過樣本訓練適應外部環(huán)境變化，且能根據(jù)數(shù)據(jù)訓練不斷更新自身，更加適合國際工程項目的風險評價。

1 國際工程項目風險評價指標體系

本文建立風險評價指標體系采用RBS層次性風險分解結構的方法，分解對象為風險事件，分解方法根據(jù)風險的構成來劃分。

針對具體項目，再以風險評價指標體系為基礎，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)風險評價指標體系設置調(diào)查問卷，得到該項目在馬來西亞工程市場各風險因素的頻數(shù)，如表1所示。本文將頻數(shù)出現(xiàn)在5次以上的風險因素納入該項目風險評價指標體系中，構建如圖1所示的國際工程承包項目風險評價體系。將風險評價指標體系與圖1的指標體系對比可看出，根據(jù)具體國家地區(qū)工程項目建立指標體系更具針對性，也更符合實際情況。

2 LMBP神經(jīng)網(wǎng)絡模型

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

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

式中：[J]表示誤差對權值進行微分得到的Jacobi矩陣；[e]表示誤差向量；[u]表示學習速率；[I]表示單位矩陣。

因此，采用LMBP神經(jīng)網(wǎng)絡模型與傳統(tǒng)的BP網(wǎng)絡模型相比，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，更好地適應風險評價的需要。

2.2 LMBP神經(jīng)網(wǎng)絡模型結構

本文在Matlab軟件上設計LMBP神經(jīng)網(wǎng)絡模型，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險評價體系中有9個風險評價指標因素，因此LMBP神經(jīng)網(wǎng)絡的輸入層節(jié)點數(shù)為9個。

（2） 確定輸出層節(jié)點數(shù)

風險評價的結果為[0，1]區(qū)間的風險值，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)絡模型的建立

本文的風險評價模型為9×9×1的三層LMBP神經(jīng)網(wǎng)絡模型， 該網(wǎng)絡模型輸入向量由9個指標構成，隱含層有9個隱含節(jié)點。

（6） 權值和閾值初始設置

權值和閾值的初始設置關系到LMBP模型能否收斂。權值和閾值選取在區(qū)間[-1，1]或者[-2n，2n]之間。通過實踐，本文將權值和閾值取在[-1n，1n]范圍內(nèi)，從而網(wǎng)絡模型既收斂，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)絡模型得出的實際輸出值相比較，可驗證模型的準確性。具體評價過程如下：

經(jīng)過模型的迭代計算，直至誤差達到要求后，計算停止，完成全部樣本訓練。當網(wǎng)絡權值和閾值確定后，即可認為LMBP神經(jīng)網(wǎng)絡模型建立完成，此時輸入評價項目的指標數(shù)據(jù)，即可得到該項目的風險評價值。

3 案例應用

3.1 訓練樣本的采集

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的指標體系對各因素進行打分，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確定其風險等級，將LMBP模型實際輸出值與期望輸出值進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，訓練成功的LMBP神經(jīng)網(wǎng)絡模型其實際輸出值與模糊綜合評價值的風險評價等級是一致的，并且風險評價值誤差很小，說明LMBP神經(jīng)網(wǎng)絡模型對國際工程項目風險評價的方法具有可行性、可靠性。

3.3 LMBP神經(jīng)網(wǎng)絡模型的應用

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

4 結 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、風險的不確定性等因素，對風險的管理就尤為重要。在項目初期，運用LMBP神經(jīng)網(wǎng)絡模型對國際工程項目風險進行評估，并找到與之相匹配的項目，及早對項目采取預防措施，可有效防治風險。

參考文獻

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

[2] 趙振宇，高潔.國際工程承包企業(yè)可持續(xù)成長能力構建及指標體系研究[J].工程管理學報，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，2013（10）：58?62.

[4] 白瑾，高雋.國際工程承包的風險識別與評價[J].施工技術，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)絡隱層單元數(shù)確定方法[J].上海電機學院學報，2013（3）：113?116.

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