BP神經網絡用于石油工程的項目管理

王天宇 北京航空航天大學

BP（BackPropagation）神經網絡是目前應用最廣泛的神經網絡模型之一，它是一種按誤差逆傳播算法訓練的多層前饋網絡[1]。BP神經網絡具備以任意精度逼近函數的能力，具有自組織、自適應、自學習、高度非線性映射性、泛化性、容錯性強的優點，所以特別適合于解決石油工程項目管理這種非線性很高的復雜問題。

1 應用的基本步驟

1.1 指標體系的構建

在實踐中，處理石油工程項目管理的問題首先需要針對不同的目標和特點選取不同的指標，構建出適合的指標體系。在選取指標時應該注意選擇足夠多的典型、高精度的樣本，并且合理分布訓練樣本、檢驗樣本、測試樣本的數量，盡量避免訓練過程中出現“過擬合”并保持網絡模型的性能。

1.2 設計BP網絡結構

選取完成指標體系后，開始設計BP網絡的結構，根據石油工程項目管理目標和指標體系分別確定輸入與輸出節點數、隱含層節點數、層數以及激活函數。一般選用只有一層隱含層的網絡結構，為了使網絡結構高效和運行的快捷，可以通過增加隱含層節點數的方法提高訓練速度。

1.3 訓練并檢驗BP神經網絡

BP神經網絡的訓練需要找到正確的訓練函數，設置合適參數，然后逐漸調試，讓整個樣本誤差值小于所允許的最大誤差ε。針對費用控制可以采用purelin函數為傳遞函數，使得網絡輸出為任意值。另外將BP神經網絡與工程項目管理常用方法如決策樹分析、層次分析法、主成分分析法等結合，能夠達到更好的效果。

2 應用范圍

石油工程項目是指在石油天然氣資源的勘探開發建設活動中，經過可行性研究和評估，明確了預期目標、任務量、質量標準、投資條件、時間要求和組成結構的一次性工程建設任務。石油工程項目在工程的進行中，影響工程的主要是人、物與環境這三大因素[2]。根據以上特點，可以將石油工程項目管理劃分為五個方面：費用控制管理、時間進度管理、質量管理、投標報價管理以及HSE管理。BP神經網絡在這五個方面中都可以進行應用，并有一定的優勢。

2.1 費用控制管理

一般的石油工程項目規模、投資均較巨大，為了在項目的建設實施中盡可能合理減少項目預算以外的附加支出，以達到費用管理的最佳效果，費用的控制是一個非常重要的措施，費用控制管理的目的也是項目管理的主要內容之一。石油工程總承包商一般從項目的前期設計、項目實施、維護等階段進行費用估算和控制。

石油工程項目的運營周期較長，很多工程在國外涉及到匯率的問題，進行費用管理時會使用大量不完整、模糊不確定或規律性不明顯的數據。傳統的費用管理不能很好地處理這樣的數據，很難權衡各方面之后得到準確的結果。而BP神經網絡可以先從市場價格、匯率替換等方面的確定機制出發，依據影響供貨商價格、勞動力價格和設備租賃費等的因素建立一個準確可靠的模型，再使用BP神經網絡對整個石油工程項目開展期間的費用做準確的估算。還可以在整個估算中加入一些不確定因素的假設，使得包括國內和海外石油工程項目的資金、費用得到較好的預測和控制。

2.2 時間進度管理

石油工程項目的整體開展時間通常較長，會占用大量的人力、物力，需要大量的現金流，而項目正式運營投入之后的回報通常也較大，所以甲方、乙方都非常看重時間進度。通常，項目時間進度管理會使用甘特圖、網絡圖和關鍵路徑分析的工具。

但是，借用這些工具分析時，需要對每道工序的時間做精確的定量，這些時間的定量很多時候只是通過簡單的經驗和工人計件來完成，雖然在很大程度上滿足了需求，但是其誤差常常較大，這樣的誤差可能會對項目整體造成一定損失。可以利用BP神經網絡良好的預測能力對工序進行的實際時間耗費進行良好的預測，采用動態調整的辦法對整個項目時間進度進行優化。在發生突發情況如自然災害時，也能夠使用已有的BP網絡模型對接下來的工序進行重新判定，再利用項目時間進度管理的工具進行處理。

2.3 質量管理

石油工程項目具有連續化生產特性，接觸和處理大多為易燃易爆、有腐蝕性、有毒害的原材料和產品，另外生產的設備技術工藝復雜，所處的環境也相對惡劣。這些行業特點決定了石油工程項目對產品、工程質量品質要求較高，其項目質量控制尤為重要，所以在整個石油工程項目開展的過程中需要對質量進行全面細致的管理。

在石油工程項目的質量控制上，主要運用BP神經網絡對非線性系統的決策和控制的能力。在具體使用BP神經網絡時，可以結合貝葉斯正規化法。黎穎、王愛華等人（2009）證明，運用貝葉斯正規化法在神經網絡計算過程中體現了良好的泛化性能，尤其是對于建筑工程評價這種因素多、涉及面廣的項目中尤為有效。

2.4 投標報價管理

目前的石油工程項目廣泛采用投標的模式對項目的歸屬開發權進行確定。近幾年，隨著我國海外市場不斷拓展，我國石油企業正在面臨更多的國際性的投資、建設和投標機會，并且將會直接面對世界著名的公司企業，所以投標報價管理也是近幾年石油工程管理方面的重點。

在投標報價模型上，現在流行的有概率論的報價模型、決策分析方法的報價模型和智能系統的報價模型。而第一類、第二類和第三類模型分別存在公式復雜，不能加入定性指標，成本費用高和數據收集難度過大等缺點。BP神經網絡能夠使用投標報價中繁多的邏輯性差、數據值差距大的指標，得到良好的投標報價的結果。但是，在實際的處理中，可能會產生收斂速度慢和陷入局部最小值等問題。所以應用BP神經網絡解決石油工程項目投標報價的問題時，可以借助遺傳算法優化。在此方面王雪青、喻剛、孟海濤等人（2007）使用了基于遺傳算法優化的BP網絡對工程項目投標報價進行處理，收到了良好的效果[3]。

2.5 HSE管理

現代的石油工程項目開發已經開始擺脫只關注產量和利潤，拋開環境承受力和開發安全，造成高污染等野蠻式的開發方式。HSE管理將健康、安全與環境管理作為管理工作的三個核心內容，圍繞著這三個核心內容來構建組織結構、劃分崗位職責、明確具體方法、確定程序過程和資源利用情況。

應用BP神經網絡在指標體系的選取時，可能涉及到一定量的定性數據。采用主成分分析法等方法對數據進行預處理。

3 結語

本文討論的BP神經網絡在石油工程項目管理中的應用，展現了其在很多方面的優越性，值得強調的是在具體應用BP神經網絡時，樣本和指標的選取以及預處理要依據具體的問題背景、目的和要求進行選取和處理。由于設置訓練參數對整個神經網絡的精度和泛化能力的影響，所以訓練參數的設置可能需要多次調整完成。

BP神經網絡的應用現在備受關注，在工程項目管理中的應用已經開始。作為工程項目管理中特殊的一類，石油工程項目管理應用BP神經網絡分析可以作為一種探索方向，隨著人工神經網絡理論的發展，這個方法正不斷在實踐中展現其良好的解決問題的能力。

[1]韓立群．人工神經網絡[M]．北京：北京郵電大學出版社，2006.

[2]馬慶國．工程管理與神經工程管理的體系框架[J]．科技進步與對策，2012，29（18）：9-12.

[3]王雪青，喻剛，孟海濤．基于GA改進BP神經網絡的建設工程投標報價研究[J]．土木工程學報，2007，40（7）：93-98.