建筑技術創新風險的貝葉斯網絡模型分析
——以綠色建筑技術創新項目為例

陳帆，謝洪濤

1.湖南科技大學土木工程學院，湖南湘潭 411201

2.昆明理工大學建筑工程學院，昆明 650093

建筑技術創新風險的貝葉斯網絡模型分析
——以綠色建筑技術創新項目為例

陳帆1，謝洪濤2

1.湖南科技大學土木工程學院，湖南湘潭 411201

2.昆明理工大學建筑工程學院，昆明 650093

1 引言

與制造業的技術創新不同，多數建筑技術創新都屬于復雜產品系統創新，制造業的技術創新大多可以在單個企業內部完成，而建筑技術創新則必須依靠業主、設計院、施工企業和其他機構之間的技術合作才能取得成功，具有較高的風險。建設項目組織的臨時性和分散性等特點使得建筑技術創新面臨著諸多風險因素的影響，準確評估建筑技術創新風險對于展示項目管理的風險狀態，識別潛在的風險，降低風險損失并保障項目的順利實施具有重要意義。

傳統的風險評估方法主要包括灰色關聯分析法[1]、神經網絡[2]、層次分析法[3]、模糊綜合評價法等，這些方法雖然在技術創新風險研究領域取得了一定的進展，但仍然未能為建筑技術創新風險的定量分析提供有效的解決方法。而且，以往的相關研究或者只是站在行業或區域的角度進行宏觀的比較和分析，或者只是站在單個建筑企業的角度，對影響企業技術創新風險的各類因素和風險進行研究[4]。這些研究均沒有充分考慮到建筑技術創新風險應該以工程項目為載體，需要從工程項目整體的角度考慮業主、設計、施工等多個企業或組織之間的協同創新關系[5]，目前綜合考慮各類建筑企業技術創新活動相互作用關系的研究非常缺乏。

近年來，貝葉斯信念網絡（Bayesian Belief Network，BBN）作為不確定性知識表達及推理的主導技術，在風險管理和故障診斷等方面得到了比較廣泛的應用。Martin等人通過識別建筑工地上高處墜落事故的主要風險因素，構建了高處墜落風險的貝葉斯網絡模型，并采用問卷調查建筑工人的方式來評估建筑工程的不安全因素[6]。Matias等比較了貝葉斯網絡與其他專家系統技術在風險預測方面的功能，認為貝葉斯網絡具備更好的風險預測能力和解釋能力[7]。Eunchang Lee將貝葉斯網絡運用于造船工程風險評估，提出了一套基于貝葉斯網絡的風險評估流程[8]。周國華與彭波以京滬高速鐵路建設項目為例，利用貝葉斯網絡對項目的質量風險因素進行了分析[9]。汪濤等通過分析風險事件和風險因素之間的關系，結合施工現場所具有的安全管理能力，利用風險貝葉斯網絡來評估風險事件的發生概率[10]。但是，對于貝葉斯網絡在技術創新風險分析方面的研究，目前還非常缺乏，僅僅針對狹義技術創新提出了一種基于動態樸素貝葉斯網的風險識別方法[11]，亟待開展進一步的研究。而貝葉斯網絡在建筑技術創新風險分析領域的研究，目前尚屬空白，經互聯網綜合檢索，國內外目前尚無相關文獻報道。本文采用將專家先驗知識與數據學習相結合的方法，建立建筑技術創新風險的貝葉斯信念網絡模型，為建筑技術創新的風險評估提供了一種新方法。

2 貝葉斯網絡原理與建模方法

2.1 貝葉斯網絡基本原理

貝葉斯網絡是一個帶有概率注釋的有向無環圖，它可以表示變量集合的聯合概率分布，能夠分析大量變量之間的相互關系，并利用貝葉斯定理的學習和統計推斷功能來實現預測、診斷和分類等任務。有向無環圖通常記為G(V，ε)，它是由一組節點V={1，2，…，n}和連接節點的有向邊而組成，每個節點都表示一個隨機變量Xi，有向邊的起始節點為終節點的父節點（parent nodes），記作πi，節點i是子節點（child nodes），沒有父節點而只有子節點的節點為根節點（root nodes）。貝葉斯網絡中的每一個節點都同一個概率分布函數相聯系，根節點的概率分布函數是一個邊緣分布函數，由于它的概率不以其他節點為條件，因此這類節點的概率屬于先驗概率；其他節點的概率函數則是條件概率分布函數，記為P(xi|xπi)，其中xπi是父節點變量的值[12]。在父節點的先驗概率和子節點的條件概率分布都能給定的情況下，就可以計算出包含所有節點的聯合概率分布。

依據貝葉斯鏈式規則，任何聯合概率分布都可以視為：

2.2 貝葉斯網絡建模方法

貝葉斯網絡模型的建立包括三個主要步驟，首先確定節點并取值，然后確定網絡結構，最后通過貝葉斯網絡學習得到節點條件概率分布。

2.2.1 節點確定與取值

貝葉斯網絡節點分別對應于模型中的各個變量，需要根據系統分析來確定各個變量及其相互關系，并依據變量性質來區分節點的類型，節點類型主要包括目標節點、證據節點和中間節點。目標節點標識待求解的目標，它通過推理后的后驗概率作為決策依據；證據節點標識已知條件，這些變量取值能夠被觀察或檢測到，并將其輸入貝葉斯網絡作為推理的前提條件；中間節點是目標節點和證據節點之外的其他所有節點。確定模型的所有節點之后，接下來就可以確定各節點的取值方法。

2.2.2 網絡結構確定

貝葉斯網絡結構的確定方法主要有兩種，一種是依據研究領域的專家知識手工建立節點及節點之間的因果關系，另一種方法是通過數據學習來建立貝葉斯網絡結構，后者需要收集足夠多的樣本數據，通過多次學習完成。如果有一定的樣本數據，也可以采用知識和數據相結合的方法來建立網絡結構，即先由專家經驗構建貝葉斯網絡原型，然后通過學習算法從原型中選擇最為正確的結構[13]。知識和數據相融合的方法既能避免專家經驗主觀性，又能大幅縮小算法的搜索空間，能快速收斂。

2.2.3 貝葉斯網絡學習

貝葉斯網絡的節點條件概率通過網絡學習計算得到，假定一個固定未知參數θ，在給定拓撲結構S下的參數θ所有可能取值，利用先驗知識尋求在拓撲結構S和訓練樣本集D下具有最大后驗概率的參數取值，由貝葉斯規則可以得出：

3 建筑技術創新風險影響因素分析

對于建筑技術創新而言，通常不能由單個建筑企業完成，它不僅受到業主的極大影響，而且還受到其他創新主體的影響。在當前我國建筑業采用最為廣泛的平行發包管理模式下，一般由業主負責項目的全面管理，設計院、施工企業等其他單位各司其職，共同完成項目建設與技術創新任務。

業主是建筑技術創新的首倡者、主要投資者和主導者，同時也是技術創新的直接和主要受益者。業主一般出于提高建設項目技術性能的考慮要求開展建筑技術創新活動，并為建筑技術創新提供資金支持。業主在建筑技術創新過程中具有很大的主導權，其他所有的技術創新參與者一般都由業主選定，業主在技術方案比較等各種關鍵事件上都具有決定權，建設項目的所有權歸業主所有，技術性能的提高主要也是為業主提供便利或創造更高的價值。從建筑技術創新的全過程來看，業主主導了創新的全過程，但是業主通常并不能承擔技術創新的具體事務，建筑技術創新的具體工作必須依賴設計院、施工企業、科研院所等技術創新主體來完成。

設計院在建筑技術創新過程中發揮著非常重要的作用，首先，設計院是建筑技術創新設想的具體提出者，設計院要根據業主的需求，結合自己的技術水平以及市場上技術供給狀況等要素，提出建筑技術創新的具體設想，包括建筑工程的主要技術方案和具體技術指標等。其次，設計院是建筑技術創新中多種技術的集成者，通常情況下，不同的專業技術難題分別由不同的參與企業或機構解決，但這些不同的技術成果都必須通過設計院的設計方案來集成和綜合，并轉化為設計圖紙才能應用于工程實踐；此外，設計院還必須解決建筑技術創新過程中與設計相關的重要技術問題，設計院不僅要對設計文件的安全、經濟、合理性負責，還必須提出相應的質量控制指標，指導和配合施工企業。

施工企業在建筑技術創新過程中的主要作用體現在兩個方面，一方面按照設計文件的要求完成所承擔工程的工藝創新，另一方面在滿足設計文件要求的條件下，獨立開展工程材料、機械設備等技術創新活動，或者是從外部市場導入新材料和新設備等。施工企業的技術創新活動是外部技術導入建筑工程的關鍵環節。其他如科研院所等，一般是接受業主的委托參與技術創新，為建筑技術創新提供技術支持，負責攻克某些具體的重大技術難題，或者是與設計院、施工企業合作，為他們提供技術服務。供應商一般是以向建設項目出售新材料、新設備的方式來推動建筑技術創新，為建設項目提供獨特的技術服務或產品。

根據以上分析，并結合前期相關的研究成果[4-5]，本文提出如下的16個風險影響因素：業主投資能力不足、業主管理能力不足、設計院技術能力不足、施工企業技術能力不足、技術難度與復雜性、技術成熟度、技術先進性、供應商技術支持不足、科研機構技術支持不足、企業間技術合作不足、業主意圖變化、工程變更、工程投資增大、資金不到位、工程進度延遲、工程質量缺陷。

4 建筑技術創新貝葉斯網絡模型

4.1 數據采集

為了確定各節點之間的因果關系，通過結構性問卷調查來獲取相關數據。調查的對象主要是具有5年以上工作經驗的業主、施工企業、供應商、設計院、咨詢公司等相關技術人員。本次調查共發放問卷385份，在剔除了連續雷同答案或人為固定模式答案等無效問卷后，共取得有效問卷104份，問卷的有效回收率為27.0%。調查對象主要為全面了解建筑技術創新整體狀況的高層管理人員，如總工程師，或者是與新技術直接相關的管理人員或技術人員，如工程技術部經理或工程師等。

問卷調查主要包括兩部分內容：第一部分內容主要針對風險要素的邏輯關系進行專家先驗知識的定性調查，如調查“設計院技術能力不足”與“工程變更”之間的因果關系采用如下提問方式：“您認為‘設計院技術能力不足’是否導致‘更多的工程變更’？”。第二部分內容則以建筑工程項目為單位，對項目的技術風險影響因素及結果進行定量調查。要求調查對象憑借自己對于所在工程的技術創新問題的了解、自身的經驗和知識、建筑技術創新的實際風險狀況和結果，對該項目的技術創新風險作出一個總體判斷。對于風險影響因素，“嚴重”對應的分值為“5”，“一般”對應的分值為“3”，“很輕微”對應的分值為“1”。對于綜合風險等級，以5級表示：I級為低風險取值為“1”，II級為較低風險取值為“3”，III級為中風險取值為“5”，IV級為較高風險取值為“7”，V級為高風險取值為“9”。

4.2 建筑技術創新風險評估模型結構建立

Nadkarni&Shenoy和Lagnado等人的研究表明，采用基于專家先驗知識的臨時因果關系圖，同時與相關性分析相結合，是構建系統要素因果關系的最佳方法[14-15]。也采用這種方法來確定貝葉斯網絡的結構。首先，通過專家調查法獲得風險因素間的邏輯關系知識，并建立各節點因素間初步的因果關系圖；然后，通過相關性分析來鑒別系統要素間的強聯系。相關性分析結果雖然不能作為因果關系的直接判據，但可以作為旁證來降低因果關系網絡的復雜性[14]。根據建筑技術創新風險因素邏輯關系的專家知識調查，建立了各節點之間的初步因果關系如圖1所示。

圖1 節點因果關系圖

表1 各變量間的相關性分析表

圖2 建筑技術創新風險的貝葉斯網絡結構圖

通過對上述影響因素的相關性分析，選定相關性系數大于0.75作為判定要素之間直接因果關系的依據，結果如表1所示。技術成熟度、供應商技術支持不足、科研機構技術支持不足等3個變量與網絡中其他節點的相關性系數均小于0.75，因此剔除了這3個變量。對原因也進行了一定的分析，初步推測是由于這兩類機構參與建筑技術創新活動不具有普遍性，這也是由建筑業技術創新活動的特殊性決定的，因此本文也暫時不予考慮。經相關性分析簡化后的網絡結構如圖2所示。

4.3 網絡模型的數據學習

根據已經確定的網絡結構，采用NETICA軟件建立建筑技術創新風險的貝葉斯網絡模型，利用NETICA軟件提供的案例學習功能，可以獲得節點之間的條件概率。部分條件概率如圖3所示，其中節點J為工程質量缺陷，節點E為技術難度與復雜性，節點F為施工企業技術能力不足，節點L為工程變更，節點H為工程技術先進性，節點C為設計院技術能力不足，節點K為業主意圖變化。在獲得節點之間的條件概率之后，建立了完整的建筑技術創新風險評估貝葉斯網絡模型，如圖4所示。

圖3 部分條件概率P(L|H，C，K)和P(J|E，F)

圖4 建筑技術創新風險評估的貝葉斯網絡模型

5 建筑技術創新風險評估案例

5.1 案例背景

某建設項目擬采用綠色建筑新技術，位于市新技術開發區工業園內，工程占地面積約4萬多平方米，總建筑面積約3萬多平方米，預算總投資約2.5億元。該建設項目包含3棟單層鋼結構的生產廠房和2棟多層鋼筋混凝土結構辦公研發綜合樓。該項目的建設目標是采用太陽能光電建筑一體化技術，利用太陽能發電滿足室內照明和室外景觀道路照明等用電，也可以將多余的電量送入國家電網。該項目主要采用晶體硅、非晶硅電池構件，包括幕墻玻璃、太陽能瓦等，裝機容量為1.2 MW，年發電量為160～180萬千瓦時。項目建成后可以節約大量的電力，減少含碳燃料消耗，減少粉塵、SO2和CO2的排放。被國家財政部和建設部批準為可再生能源建筑應用示范項目，也是當時省內最大的太陽能光電建筑一體化應用綜合項目。該建筑由某高新科技股份有限公司投資興建，建筑工程設計由信息部專業設計院完成，土建和安裝工程由省建筑工程集團公司承擔，光伏設計和施工由某專業科技公司配合完成。光伏安裝總面積約為1萬平方米，整個土建工程和光伏施工工程的建設周期約為20個月。整個工程設計為太陽能與建筑一體化，使太陽能光伏組件與建筑有機結合在一起，實現資源節約型、環境友好型的高科技示范建筑。

5.2 建筑技術創新風險評估

5.2.1 風險參數的確定

太陽能光電建筑一體化技術屬于住房與城鄉建設部目前正在推廣的建筑業10項新技術之一，技術先進性高，新技術的應用中最為關鍵的就是如何與建筑一體化的問題，其技術難度和復雜性應為中等。該項目業主為國內某知名企業，營業收入穩定，具有較強的投資能力，因此項目資金短缺的風險不大。項目建設目標明確，前期論證工作也比較充分，業主意圖發生變化的可能性也不大，但業主的專業技術人員數量少，且缺乏相應的管理經驗，因此業主管理能力不足的風險比較高。承擔該項目工程設計的為信息部所屬工程設計院，相對一般工業設計院更加專業化，設計負責人也具有同類項目負責人的經歷，因此設計院的技術能力風險比較低。土建和安裝工程公司項目經理是一個擁有非常豐富的施工經驗的項目負責人，不足之處是缺乏太陽能光電建筑一體化項目的施工經驗，但由于該項目同時還有一個非常專業的科技公司配合施工并提供技術支持，是一家專注于為各類建筑工程訂造太陽能電力解決方案的國家級高新技術企業，因此施工企業技術能力不足的風險也比較低。

5.2.2 風險評估

該案例工程的技術創新風險評估主要過程如下：

（1）首先依據已經確定的網絡結構（圖2）利用NETICA軟件構建該項目的貝葉斯網絡模型。

（2）利用軟件提供的案例學習功能，將104份有效調查問卷的相應數據輸入該貝葉斯網絡，獲得節點之間的條件概率，部分條件概率如圖3所示。

（3）在獲得節點之間的條件概率之后，即可建立起完整的貝葉斯網絡模型（圖4）。

（4）針對案例工程的項目背景，通過分析工程數據和咨詢專家，對7個根節點的風險大小進行調查分析，得到各節點的風險狀態，結果如表2所示。

（5）將根節點的風險狀態輸入該貝葉斯網絡模型，計算結果如圖5所示。

計算結果顯示，該工程的技術創新風險I級的概率為61.1%，II級的概率為17.1%，III級的概率為10.7%，IV級的概率為6.65%，V級的概率為4.57%，因此綜合評估結果為I級，低風險。實際情況是該工程在建設過程中，一直嚴格按照設計圖紙、圖紙變更及圖紙會審紀要的要求，規范施工質量控制，雖然在光伏板的安裝過程中以及安裝完畢后出現過電池板的破損情況，在并網設備的調試過程中也出現過問題，但通過及時協調業主、設計和施工企業的技術合作以及邀請國內外技術專家現場會診調試，這些問題都已順利解決，同時也培養了一批專業技術人員。目前該項目已經和省電力公司簽訂并網協議成功實現了并網發電，項目的投資、進度和質量目標均順利實現，貝葉斯網絡模型分析的結果與實際情況相比具有較好的符合性。

表2 案例工程根節點狀態分析表

圖5 綠色建筑技術創新風險評估案例

6 結語

本文通過引入基于貝葉斯網的知識表達和不確定性推理，構建了建筑技術創新風險評估的貝葉斯網絡模型，通過對問卷調查數據的擬合得到了模型各節點的后驗概率分布，并運用該模型對案例工程的技術創新風險進行了定量分析，分析結果與工程實際具有良好的吻合性。基于貝葉斯網絡的建筑技術創新風險評估方法以網絡節點的概率來表達風險要素的不確定性，從而能夠非常直觀和明確地推導出建筑技術創新風險的大小。該方法可以比較充分地利用專家的先驗知識和項目數據，能夠使推理在輸入數據不完備的基礎上進行，具有良好的應用前景。

基于建筑業獨特的以工程項目為載體的生產組織模式和技術合作背景，提出建筑技術創新風險的貝葉斯網絡分析方法，開辟了一個新的研究方向。與其他行業相比，建筑行業企業間的技術合作和創新聯盟的發展仍然比較落后，一個重要的原因就在于對建筑業技術創新的風險分析不足。研究內容切中我國建筑行業企業間技術合作中的關鍵問題，項目的研究成果有助于認識建筑技術創新的風險因素和規律，促進我國建筑企業間的技術合作與創新。

此外，本文所構建的建筑技術創新風險分析模型在風險因素的選取、模型條件概率的學習等方面也存在還需要進一步完善的地方，這些將是下一步的重點研究方向。

[1]宋哲，王樹恩，柳洲，等.ANP-GRAP集成方法在企業技術創新風險評價中的應用[J].科學學與科學技術管理，2010，31（1）：55-58.

[2]陳建新，資明貴，劉志龍.BP神經網絡在企業技術創新風險評價中的應用[J].科技管理研究，2007，27（10）：88-91.

[3]包國憲，任世科.基于模糊AHP的企業技術創新風險評價及決策[J].科技管理研究，2010，30（1）：64-66.

[4]陳帆，王孟鈞.建筑企業技術創新能力模糊綜合評價及實證分析[J].技術與創新管理，2009，30（1）：14-17.

[5]謝洪濤，章勝平.重大建設項目技術創新過程研究——以青藏鐵路為例[J].技術與創新管理，2012，33（1）：4-8.

[6]Martin J E，Rivas T，Matias J M，et al.A Bayesian network analysis of work place accidents caused by falls from a height[J].Safety Science，2009，47（2）：206-214.

[7]Matias J M，Rivas T，Martin J E，et al.A machine learning methodology for the analysis of workplace accidents[J]. Int J Comput Math，2008，85（3/4）：559-578.

[8]Lee E，Parky，Shin J G.Large engineering project risk management using a Bayesian belief network[J].Expert Systems with Applications，2009，36（3）：5880-5887.

[9]周國華，彭波.基于貝葉斯網絡的建設項目質量管理風險因素分析—以京滬高速鐵路建設項目為例[J].中國軟科學，2009（9）：99-106.

[10]汪濤，廖彬超，馬昕，等.基于貝葉斯網絡的施工安全風險概率評估方法[J].土木工程學報，2010，43（S2）：385-391.

[11]楊超，王雙成.基于動態樸素貝葉斯網的企業技術創新風險識別[J].情報雜志，2011，30（1）：83-85.

[12]Bayraktar M E，Hastak M.Bayesian belief network model for decision making in highway maintenance：case studies[J].Journal of Construction Engineering and Management，2009，135（12）：1357-1369.

[13]胡笑旋，楊善林，馬溪駿.面向復雜問題的貝葉斯網建模方法[J].系統仿真學報，2006，18（11）：3241-3246.

[14]Nadkarni S，Shenoy P P.A Bayesian network approach to making inferences in causal maps[J].European Journal of Operational Research，2001，128（3）：479-498.

[15]Lagnado D A.Causal learning：psychology，philosophy，and computation[M].Gopnik A，Schulz L.[S.l.]：Oxford University Press Inc，2007.

CHEN Fan1,XIE Hongtao2

1.School of Civil Engineering,Hunan University of Science and Technology,Xiangtan,Hunan 411201,China
2.Construction Engineering College,Kunming University of Science and Technology,Kunming 650093,China

Risk assessment of construction technology innovation is an unresolved problem for the traditional calculation method.This paper describes how Bayesian network is applied to quantifying the probability of construction technology innovation risks.Based on the review of relevant literature and survey,a Bayesian network model is constructed to risk assessment of construction technology innovation.Through using the NETICA software to fit the data samples of questionnaire investigation,it gets the probability density of most nodes.The validity of the proposed model is tested by using a realistic case study with high compliance at last.

technology innovation;Bayesian network;risk assessment;construction technology

傳統的計算方法難以對建筑技術創新風險進行定量分析。通過專家先驗知識與問卷調查數據相結合，可以建立建筑技術創新風險評估的貝葉斯信念網絡模型。采用NETICA軟件擬合樣本數據，得到網絡模型各個節點間的條件概率分布。在某綠色建筑技術創新項目中應用結果表明貝葉斯網絡模型能夠比較準確地實現對建筑技術創新風險的定量預測，與工程實際情況對比具有較好的符合性。

技術創新；貝葉斯網絡；風險評估；建筑技術

A

F294

10.3778/j.issn.1002-8331.1401-0326

CHEN Fan,XIE Hongtao.Risk analysis of construction technology innovation by Bayesian networks model—a case study of green building innovation project.Computer Engineering and Applications,2014,50（18）：33-38.

國家自然科學基金（No.71202167，No.71262028）；湖南省自然科學基金（No.12JJB010）。

陳帆（1978—），男，博士，副教授，主要研究方向為建筑技術創新管理與項目治理；謝洪濤（1974—），男，博士，副教授，主要研究方向為建筑技術創新管理與項目治理。E-mail：chenfan3@sina.com

2014-01-20

2014-04-03

1002-8331（2014）18-0033-06

CNKI網絡優先出版：2014-04-09，http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1401-0326.html