基于BP神經網絡的工程項目風險評價

【摘要】本文根據工程項目在施工中經常遇到的風險，建立風險指標評價集對工程項目進行綜合評價，旨在使管理者能夠事前對風險有充分的了解，在此基礎上積極應對。本文根據BP神經網絡的自組織，自學習和反向傳播性的基本原理建立模型，并通過matlab軟件中的神經網絡工具箱實現模型的運行。

【關鍵詞】風險評價 BP神經網絡 工程項目 matlab

一、引言

工程項目是一個工期長，技術復雜，前期投入量大的生產過程，在其建設期間存在大量的不確定性和風險，因此對工程項目的風險預測是一個必要且重要的過程。傳統的分析方法各有特點，要根據具體的項目選擇運用哪一種方法，如專家打分法，層次分析法，模糊分析法等，這些方法的局限性是人為因素占比重較大，結果容易產生偏差，為解決這一問題，提出了將人工神經網絡用于風險綜合評價的方法。

二、BP神經網絡簡介

人工神經網絡具有自學習和自適應能力，可以通過預先提供的一批相互對應的輸入——輸出數據，分析掌握兩者之間的映射關系，根據這些關系，輸入新的數據來推算結果。BP神經網絡是1986年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆傳播算法訓練的多層前饋網絡，包括輸入層，輸出層和隱含層，當輸出的結果與期望樣本存在誤差時，通過反向傳播來調整網絡的權值和閾值，使誤差平方和最小。

三、BP神經網絡風險評價具體實現步驟

一個基本的神經網絡，有n個輸入，每個輸入值都通過一個經調整的權值與下一層連接，輸出層可以表示為：

y=f（wp+b）

f為表示輸入輸出關系的函數。

BP算法的基本步驟：

1.構建網絡，確定輸入層、隱含層、輸出層節點數目，初始化權值w和閾值b；

（1）一般來說，輸入層節點數與風險指標個數相同；

（2）隱含層節點數理論上沒有一個規范的依據，其數目取決于多種因素，如，訓練樣本的數量，樣本的波動大小及隱藏的規律性的復雜程度。經驗上，我們可以采取兩種方法確定隱含層節點數：

a.試湊法，先設置較少的節點數目進行訓練，計算誤差，然后逐步增加結點個數，用相同的樣本進行訓練，直到計算得到得誤差最小，即為需要的隱含層節點個數，此方法為確定結點個數的最佳方法；

b.公式法，H=（m+n）1/2+a

或H=（m*n）1/2

或H=log2n

n，m分別代表輸出和輸入的節點個數，a為0～1之間的常數。

（3）輸出層節點數根據評價結果確定，一般為1。

2.訓練樣本集，包括輸入樣本集向量p和預期的輸出T，計算輸出值，并與預期輸出值比對計算誤差；

3.計算誤差平均方差和；

4.根據誤差調整權值和閾值；

5.循環2—4，直至誤差均方和滿足精確度為止。

四、選擇傳遞函數和學習函數

1.傳遞函數

傳遞函數是BP神經網絡的重要組成部分，又稱為激活函數，必須是連續可微的，BP神經網絡一般采用tansig（）或logsig（）或purelin（）作為傳遞函數。通常根據樣本數據的情況，輸入輸出數據的取值范圍等選擇傳遞函數。

2.學習函數

學習函數是BP神經網絡的又一重要組成部分， BP神經及網絡的傳遞函數包括：

（1）traingd，特點是收斂速度滿慢，學習過程常發生震蕩；

（2）traingdm函數收斂速度快于traingd;

（3）traingdx收斂速度快于traingd，但僅用于批量訓練；

（4） trainrp，收斂速度快，用于批量訓練，數據占用存儲空間小；

（5）rtaincgf，占用存儲空間最小的變梯度算法，速度通常比traingdx快得多，適用于連接權的數量很多時；

（6）traincgp，數據占用的存儲空間較rtaincgf略大，但對有些問題有較快的收斂速度，性能略好于rtaincgf；

（7）traincgb，性能略好于traincgp，但存儲空間較之略大；

（8）trainscg，比其他變梯度算法需要更多迭代次數，但無需在迭代中進行線性搜索，從而大大減少了每次迭代的計算量；

（9）trainbfg，每次迭代過程所需的計算量和存儲空間大于變梯度算法，對規模較小的網絡更有效；

（10）trainoss，變梯度與擬牛頓算法的折中；

（11）trainlm，對中等規模的前饋網絡的最快速算法；

（12）trainbr，可是網絡具有較強的泛化能力，避免了嘗試的方法去決定最佳網絡規模的大小。在實際運用時，通常根據輸入數據規模，特點，對收斂速度、存儲空間的要求進行選擇。

五、工程項目風險指標集的確定

通常，一個工程項目要經過可行性分析，工程設計，工程施工，竣工投產，項目處置幾個階段，不同的階段風險不同，風險的影響因素也各不相同，我們沒有必要對每一個因素進行分析，重點放在影響作用大的因素上而忽略影響作用小的因素。根據對工程項目不同的影響方式來分類，我們選取五類風險、分別是政治風險、社會風險、經濟風險、工程風險、環境風險。其中，政治風險包括政治法規風險和城市規劃風險；經濟風險包括信用風險，市場風險和金融風險；工程風險包括技術風險，資源風險，材料供應風險，經營風險和驗收風險。

六、BP神經網絡的matlab實現

東方集團目前共有九個工程投資項目，按照前面確定的風險評價指標集，其專家評測的風險數據如下表，

這九組數據中，使用1~7作為訓練樣本，8~9作為檢驗樣本。經過試算，當網絡中隱含層的節點數為3時，網絡的性能最佳，即建立12個輸入節點，3個隱含層節點，1個輸出節點的BP神經網絡模型。由于樣本的數據都集中在0~1之間，我們在隱含層傳遞函數選取tansig（）函數，整個網絡最后的輸出是在一個較小的范圍內，所以采用S形函數，如果說整個網絡的輸出可以取到任意值，我們就可以考慮采用purelin（）函數，在本模型中，最后的輸出值是以一個單一的數字來表示，并且該數字的值在0~1之間，所以輸出層的傳遞函數選用s型的logsig（）函數。訓練算法采用traingdx，誤差設定為1e-3。迭代次數這里取1000次，兩次顯示之間的步數取50次，初始學習率設定為0.05，學習率的增加系數為1。

根據以上結果可以看出，經過訓練的BP神經網絡較好的仿真了各個風險因素之間隱含的內在關系，預測數值和風險的期望數值相近，經過86次迭代達到了要求的精度，效率還是比較高的，反映出BP神經網絡具有出色的數據擬合效果。

六、結論

本文從工程項目風險出發，依據不同風險的影響方面，將風險分類，采用專家打分法來確定風險值；依據BP神經網絡的基本工作原理，采用適當的傳遞函數和算法對構建的網絡進行訓練，最后根據實例證明了本文所構建的模型，因為在實例中的樣本數據較少，所以訓練有較大的隨機性，如果增大樣本數量，可以進一步提高預測的準確性。

參考文獻

[1] 李存斌.項目風險元傳遞理論與應用[M]. 北京：中國水利水電出版社 2009.

[2] 王瑾.政府投資工業項目風險分析與評價[D]. 北京：首都經濟貿易大學 2010.

[3] 江大慶，朱曉麗.論建設項目經濟評價指標體系模式的建立[J].中國集體經濟，2008（4）: 41-42.

作者介紹：郭欣欣（1985-），女，漢族，首都經濟貿易大學，研究方向：管理科學與工程。