摘 要:工程項目風險評價在工程項目管理中占有重要地位,尤其在橋梁工程項目風險管理中,風險評價工作關系到橋梁建設項目帶來的社會與經濟效益大小。風險評價的前提條件是風險評估指標體系的建立。本文選擇應用主元算法來構建指標體系,并對于這一指標體系指標選擇進行了研究。
關鍵詞:橋梁建設工程項目風險評價主元算法
中圖分類號:U443文獻標識碼:A文章編號:1674-098X(2011)07(a)-0133-01
1 主元算法模型
主元算法是將某一事物的研究設計成個指標,分別用表示,這個指標構成的P維隨機向量為。設隨機向量的均值為,協方差矩陣為。
將進行線性變換從而形成新的綜合變量,用表示,即新的綜合變量可以由原來的變量線性表示,用下式表示:
因為對原始變量可以進行較自由的線性轉換,所以由不同的線性變換得到的綜合變量的統計特征也不盡相同。因此為了取得較好的成果,總是希望的方差盡可能大而且各之間相互獨立,由于
而對任何的常數,有
我們將線性變換約束在下面的原則之下:
(1),即。
(2)與相互無關。
(3)是的一切滿足原則1的線性組合中方差最大者;是與不相關的所有線性組合中方差最大者;…,是與,,…,都不相關的所有線性組合中方差最大者。
基于以上三條原則決定的綜合變量,,…,分別稱為原始變量的第1,第2,…,第個主成分。其中,各綜合變量在總方差中占的比重會依次遞減,在實際工作研究中通常只挑選前幾個方差最大的主成分,從而達到簡化系統結構,抓住問題實質的目的。
通過以上介紹,我們可以把主成分分析計算步驟歸納如下:
(1)計算相關系數矩陣。
(1)
在公式(1)中,為原來變量與的相關系數,其計算公式為。
(2)
因為是實對稱矩陣(即),所以只需計算其上三角元素或下三角元素即可。
(2)計算特征值與特征向量。
首先解特征方程求出特征值,并使其按大小順序排列,即;然后分別求出對應于特征值的特征向量。
(3)計算主成分貢獻率及累計貢獻率。
主成分貢獻率:,累計貢獻率:。一般取累計貢獻率達75-95%的特征值所對應的第1,第2,……,第個主成分,貢獻率取值受到主成分數目決定。
(4)計算主成分載荷。
(3)
由此可以進一步計算主成分得分
(5)計算載荷矩陣特征向量求出特征值對應下的特征向量。
(6)線性表示出各主成分,。
(7)綜合主成分,表示方差貢獻率Variance。最終計算出各因素下的綜合主成分值。
2 橋梁建設工程項目風險評價指標體系構建
根據橋梁建設工程項目風險的識別結果和指標體系構建的原則,構建出用于橋梁建設工程風險評估的指標體系,該體系分為三個層次,層次間具有很強的關聯性以及內部規律性。第一層是總目標,即橋梁建設工程項目風險;第二層是一級指標,主要包括五類方面一級指標:社會經濟方面風險、自然環境方面風險、組織管理方面風險、規劃設計方面風險、建設施工過程方面風險;第三層是二級指標也就是具體因素層。本文共選擇了20個具體指標,社會經濟方面風險包括路面交通疏導、物價上漲幅度、利率波動三方面;自然環境方面風險包括地下物情況、土壤硬度、地質情況、水速與水量、天氣狀況五方面;組織管理方面風險包括財務管理、監督管理、風險應急預案、合約管理、人員素質五方面;規劃設計方面風險包括方案合理性、內容詳實性、可操作性三方面;建設施工方面風險包括安全保障、前期準備、施工技術應用、工期管理四方面。
這些具體指標是橋梁建設工程項目風險評價的基礎,是專家打分的基礎,根據指標風險發生概率和影響程度判斷出整個橋梁建設工程的風險程度。將選擇的具體指標與各位專家相結合將會形成風險發生概率與影響程度賦值表格,表格的中的數據位置與選擇使用的模型計算要求相符。如果將風險發生概率放置在左方,主元算法測算的結果表示風險因素發生概率在11位專家賦值下的綜合得分,為了區別風險發生概率評估體系與風險影響程度評估體系,構成影響程度評估指標體系,根據主元算法模型計算的特征和要求,在測算各指標風險時指標體系表的左側內容用用、、,…,,11位專家使用Ⅰ,Ⅱ,Ⅲ,…,Ⅺ依次表示。將指標安排在表格左側,專家賦值安排在頂端,原因是為了配合選擇的主元算法模型使用。選擇使用主元算法模型的主要目的是使用該模型的降維性能和高度保留原始數據性質的性能,對高度復雜的主觀數據進行綜合取得一維數據,在這個過程沒有存在二次主觀權重賦值,所以相對具有準確度,測算出的結果具有明確的排序性,所以也可以確定出影響程度較大的指標因素。將風險發生概率評估體系定義為橋梁建設工程風險評估體系,其目的是為了測算各風險因素的發生概率排序。各指標下的專家賦值是該指標在橋梁建設工程下其風險發生的概率大小情況,是從另一角度研究橋梁建設工程面臨風險的方法。
參考文獻
[1]張杰.大跨度橋梁施工期風險分析方法研究[D].同濟大學博士學位論文,2007:127.
[2]張春林.淺談濟南黃河二橋施工的幾項技術控制措施[J].山東交通科技,2000(3):22~24.