建設(shè)項目風(fēng)險管理的人工神經(jīng)網(wǎng)絡(luò)模型研究

毛基層

人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有集體運算能力和自適應(yīng)的學(xué)習(xí)能力,可實現(xiàn)函數(shù)逼近、數(shù)據(jù)聚類、優(yōu)化計算、自適應(yīng)模式識別和非線性預(yù)測等功能。在理論意義上,神經(jīng)網(wǎng)絡(luò)模型能在相當高的精度上逼近任意復(fù)雜的建設(shè)項目系統(tǒng),因而可有效地移植應(yīng)用于許多用常規(guī)方法不易處理的建設(shè)項目分析,并為建立合理、可靠和準確的識別估計和評價模型提供依據(jù)。

本文利用人工神經(jīng)網(wǎng)絡(luò)模型來識別風(fēng)險,對風(fēng)險進行分析,并基于此給出風(fēng)險控制及管理的計劃或建議。

1 人工神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)和BP算法

圖1是一個3層并行分布式人工神經(jīng)網(wǎng)絡(luò)連接模型,它由人工神經(jīng)元獨立處理單元與連接弧連接而成。輸入層從外部接收信息并將其傳入神經(jīng)網(wǎng)絡(luò);隱含層接收輸入層的信息,然后對所有的信息進行處理;輸出層接收處理后的信息并將最后結(jié)果輸出。由此可以看出,每一神經(jīng)元計算的輸出又是下一層所有神經(jīng)元的輸入,且每一神經(jīng)元均使用相同的算法計算輸出。

BP網(wǎng)絡(luò)是一種單向傳播的多層前向神經(jīng)網(wǎng)絡(luò),訓(xùn)練學(xué)習(xí)采用誤差反傳算法。網(wǎng)絡(luò)除輸入、輸出節(jié)點外,還有一層或多層的隱層節(jié)點,同層節(jié)點間無任何連接。輸入數(shù)據(jù)從輸入層節(jié)點依次經(jīng)過各隱層節(jié)點到達輸出節(jié)點,從而得到輸出數(shù)據(jù)。一般選用下列S形作用函數(shù):f(x)=1/(1+e-x)。

當給定網(wǎng)絡(luò)的1個輸入模式時,它由輸入層單元傳到隱含層單元,經(jīng)隱含層單元逐層處理后再送到輸出層單元,由輸出層單元處理后產(chǎn)生1個輸出模式,這是1個逐層狀態(tài)更新過程,稱為前向傳播。如果輸出響應(yīng)與期望輸出模式有誤差,不滿足要求,那么就轉(zhuǎn)入誤差向后傳播,將誤差沿連接通路逐層傳送并修正各層連接權(quán)值。對于給定的1組訓(xùn)練模式,不斷用一個個訓(xùn)練模式訓(xùn)練網(wǎng)絡(luò),重復(fù)前向傳播和誤差向后傳播過程,當各個訓(xùn)練模式都滿足要求時,BP網(wǎng)絡(luò)的訓(xùn)練完成。

2 建設(shè)項目風(fēng)險識別估計網(wǎng)絡(luò)模型

2.1 識別估計內(nèi)容

1)市場前景風(fēng)險識別估計;2)資源及原燃料、動力供應(yīng)風(fēng)險識別估計;3)工藝風(fēng)險識別估計;4)籌資風(fēng)險識別估計;5)布局安全風(fēng)險識別估計。

建設(shè)項目可行性研究的風(fēng)險遠不止于此,還包括:項目管理風(fēng)險、環(huán)境風(fēng)險、人力資源風(fēng)險、不可抗力等。

2.2 風(fēng)險識別估計網(wǎng)絡(luò)模型

用3層BP網(wǎng)絡(luò)模型結(jié)構(gòu)和動量—自適應(yīng)學(xué)習(xí)率調(diào)整算法建立風(fēng)險識別估計網(wǎng)絡(luò)模型。建模過程中通過對識別估計因子輸入序列和識別估計對象輸出序列之間對應(yīng)關(guān)系的反復(fù)學(xué)習(xí)和訓(xùn)練,不斷調(diào)整網(wǎng)絡(luò)模型輸入層與隱含層、隱含層與輸出層之間的連接權(quán)值和閾值,找出其傳遞函數(shù)的最佳權(quán)值矩陣和閾值矩陣,從而建立起兩者之間的映射關(guān)系。

在此模型中,為增強模型表述能力,用BP模型準確識別,可采用影響較大的風(fēng)險因子,如市場、技術(shù)、資金、資源等作為輸入,輸出即為所要的風(fēng)險判斷結(jié)果。為討論方便,現(xiàn)以某企業(yè)一建設(shè)項目為例進行討論。

1)輸入層:5個(對應(yīng)于5個特征值,組成一個特征向量),通常根據(jù)建設(shè)項目的實際情況設(shè)定;2)隱層:待定,以便找出最佳隱層單元數(shù),使網(wǎng)絡(luò)盡快收斂;3)輸出層:1個,5種輸出分別代表5個風(fēng)險等級,它們分別為:無表示為0,較小表示為1,一般表示為2,較大表示為 3,很大表示為 4;4)輸入模式轉(zhuǎn)換:神經(jīng)元輸入允許在(-∞,+∞)取值,一般實際問題中,對帶有一定模糊性的概念輸入。為使網(wǎng)絡(luò)盡快收斂,趨于穩(wěn)定,以更好適應(yīng)神經(jīng)元的輸入,需要進行概念到具體數(shù)值的轉(zhuǎn)換,經(jīng)多次實踐說明,取值在(-1,1)區(qū)間時一般比較合理。管理者可以根據(jù)因子的有利程度進行賦值。如市場可分為過剩、飽和、半飽和、有潛力、稀缺,而分別賦值為-1,-0.5,0,0.5,1。

其網(wǎng)絡(luò)拓撲結(jié)構(gòu)模型如圖2所示。

3 建設(shè)項目風(fēng)險評價網(wǎng)絡(luò)模型

3.1 風(fēng)險識別估計單元

1)對已識別和估計的風(fēng)險進行輸入,同時用戶需要對輸入的信息進行格式化以便神經(jīng)網(wǎng)絡(luò)進行處理。

2)用戶需提供歷史的項目風(fēng)險系數(shù)。項目風(fēng)險系數(shù)可以表述成:

其中,r為風(fēng)險系數(shù);T,T0分別為實際時間和計劃時間;S,S0分別為實際費用和計劃費用;U,U0分別為實際效能和預(yù)計效能;w1,w2,w3分別為時間、費用和效能的加權(quán)系數(shù),而且應(yīng)滿足w1+w2+w3=1的條件。

3.2 神經(jīng)網(wǎng)絡(luò)單元

神經(jīng)網(wǎng)絡(luò)的處理內(nèi)核將以Java開發(fā)的源程序庫為基礎(chǔ),針對BP網(wǎng)絡(luò)特點進行了專門的優(yōu)化以及調(diào)整,將原本輸入層只支持10個節(jié)點、隱含層支持10個節(jié)點調(diào)整為各支持50個節(jié)點。

完成風(fēng)險辨識單元的輸入后,神經(jīng)網(wǎng)絡(luò)單元需要先載入經(jīng)格式化的各種風(fēng)險因素的歷史數(shù)據(jù),進行網(wǎng)絡(luò)中權(quán)值的訓(xùn)練,可以得到輸入層與隱含層、隱含層與輸出層之間的權(quán)值和閥值。完成訓(xùn)練后,即可根據(jù)現(xiàn)有的專家風(fēng)險評估數(shù)據(jù)作為輸入,得到風(fēng)險評價系數(shù)。

3.3 風(fēng)險評估單元

根據(jù)風(fēng)險評價系數(shù)的取值,可以將項目的風(fēng)險狀況分為若干個區(qū)間。本文提出的劃分方法是按照以下5個區(qū)間來劃分的:

r＜0.2項目的風(fēng)險很低,損失發(fā)生的概率或者額度很小;0.2≤r＜0.4項目的風(fēng)險較低;0.4≤r＜0.6項目的風(fēng)險處于中等水平;0.6≤r＜0.8項目的風(fēng)險較大;0.8≤r＜1項目的風(fēng)險極大。

4 項目風(fēng)險管理人工神經(jīng)網(wǎng)絡(luò)模型的特點

1)對風(fēng)險評價系數(shù)預(yù)測的準確性基于大量的歷史數(shù)據(jù);2)該模型具有開放性;可將所有風(fēng)險來源囊括進自身的分析當中;隨著項目資料的日益豐富,該模型預(yù)測的精度也將越來越高;3)該模型具有定量性;4)該模型的輸入輸出全部采用Excel報表的形式,很大程度上方便了用戶的使用;為使用Excel建立企業(yè)報表資料提供了無縫的集成接口;5)該模型核心思想是建立風(fēng)險來源和風(fēng)險評價系數(shù)的非線性映射;提供定量的解決方案;彌補了主觀評估的不足。

5 結(jié)語

本文從建設(shè)項目風(fēng)險管理的特點和過程出發(fā),建立建設(shè)項目風(fēng)險識別與估計、評價網(wǎng)絡(luò)模型,系統(tǒng)地探討了如何利用神經(jīng)網(wǎng)絡(luò)模型得到定量的結(jié)果,為建設(shè)項目投資決策和風(fēng)險分析提供了新的思路,為傳統(tǒng)的敏感度分析、情景分析和蒙特卡洛模擬方法提供了補充和開辟了創(chuàng)新性的思維。由于現(xiàn)代企業(yè)中資料數(shù)據(jù)的日益豐富,人工神經(jīng)網(wǎng)絡(luò)方法作為一種人工智能的思想,將廣泛應(yīng)用于各種決策支持系統(tǒng)、專家系統(tǒng),為決策者科學(xué)決策起到有效的輔助作用。

[1]王要武,孫成雙.建設(shè)項目風(fēng)險分析專家系統(tǒng)框架研究[J].哈爾濱建筑大學(xué)學(xué)報,2002,35(5):97.

[2]左付均,蔡自興.基于神經(jīng)網(wǎng)絡(luò)算法的建設(shè)項目風(fēng)險預(yù)測系統(tǒng)設(shè)計[J].廣西科學(xué)院學(xué)報,2004,20(3):143-144.

[3]郭 永.項目風(fēng)險分析的人工神經(jīng)網(wǎng)絡(luò)模型[J].電力學(xué)報,2005,20(3):308-309.

[4]侍克斌,張麗霞.工程項目風(fēng)險指標體系及綜合評價研究[J].新疆農(nóng)業(yè)大學(xué)學(xué)報,2005,28(2):76-77.

[5]張俊玲,陳立文.工程項目投資風(fēng)險評價模型研究[J].基建優(yōu)化,2004,25(1):12-13.

[6]張 慶.建設(shè)項目管理的重點及分析方法[J].山西建筑,2007,33(16):218-219.