基于BP神經網絡的建筑施工企業信用評價模型研究

付志霞

摘 要：建筑施工企業信用對建筑業的發展有著舉足輕重的作用，該文根據建筑施工企業特點構建了建筑施工企業信用評價體系，并建立了建筑施工企業信用評價的BP神經網絡模型，對建筑施工企業信用進行客觀、科學、正確的評價。

關鍵詞：施工企業 信用評價 BP神經網絡

中圖分類號：F426.92 文獻標識碼：A 文章編號：1674-098X（2014）09（b）-0022-02

隨著經濟的發展，建筑市場各主體的誠信缺失問題越來越引起人們關注。建筑施工企業是建筑產品的生產者，同時又是建筑材料、設備的使用者，具有買方和賣方的雙重角色，因此，建筑施工企業的誠信與否對建筑業的發展具有舉足輕重的作用。

但是，在當前建筑施工企業信用建設和管理過程中，仍缺乏一套行之有效的信用評價體系和評價方法，該文根據建筑施工企業特點，建設了施工企業信用評價體系，并利用BP神經網絡建立了建筑施工企業信用評價模型，力圖使建筑施工企業信用評價更加客觀可行。

1 建筑施工企業信用評價指標體系

建筑施工企業信用評價指標體系是對建筑施工企業進行高效信用評價的依據。指標體系建立不規范、不科學，沒有一整套完整科學的信用評價指標體系，施工企業信用評價工作就無所適從，更談不上評價的公正性、科學性和準確性。因此，建立規范、科學、準確的建筑施工企業信用評價指標體系是進行建筑施工企業信用評價的基礎。

該文借鑒《天津市建筑施工企業信用評價指標體系和評分標準》等國內部分研究成就，結合我國建筑施工企業自身的實際情況，以簡潔、科學、準確為目標嘗試性的構建了建筑施工企業信用評價指標，共包含4個一級指標和11個二級指標，如表1所示。

2 建筑施工企業信用評價-BP神經網絡

信用評價指標建立起來之后，如何對建筑施工企業各指標進行信用評分，是我們亟待解決的問題，雖然不少學者也采用綜合評分法、層次分析法等評價方法對建筑施工企業進行信用評價，但這些方法依賴于專家經驗決策，具有一定的主觀性等弊端，本文采用BP神經網絡模型對建筑施工企業進行信用評價，它具有自學習、自組織適應能力和容錯能力等特點，克服了傳統信用評價的一些缺陷。

2.1 BP神經網絡

BP神經網絡是一種模仿人類大腦的結構和功能，進行分布式并行信息處理的算法數學模型。這種網絡依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，從而達到處理信息的目的，具有很多與人類智能相似的特點。

誤差反傳前饋網絡也就是BP神經網絡是神經網絡的典型模型之一，它是一種具有三層或三層以上的階層神經網絡，包括輸入層節點、輸出層節點，還有一層或多層隱含層節點。每一層的神經元之間實現無連接，而上下層之間各神經元實現全連接。其基本原理是，樣本從輸入層輸入后，逐步經過各個隱層傳向輸出層，若輸出層得到了期望的輸出，則訓練過程結束，如果輸出層的實際輸出值與期望值輸出不符，則將它們之間的誤差以某種形式通過隱含層向輸入層逐層反傳，并將誤差分攤到各層神經元，從而獲得各層神經元的誤差信息，通過正向和反向傳播的反復交替，不斷調整各單元權重，直至進行到誤差減少到可接受范圍為止，此時權值不再改變。

2.2 建筑施工企業信用評價的BP神經網絡模型設計

該文采用典型的具有輸入層、一個隱含層和輸出層的單隱層BP神經網絡模型，即由三層神經元組成的前饋神經網絡，假設這三層分別各有m、p、n個神經元，如圖1所示。

（1）輸入節點數m的確定。

輸入節點數m取決于所建立的建筑施工企業信用評價指標數。本文選取信用評價的11個二級指標作為輸入變量輸入神經網絡，即m=11。

（2）輸出層節點數n的選擇。

輸出層節點數與信用等級的評價結構相對應。本文參照工商管理學會提出的、國際上通用的信用評價等級標準，將建筑施工企業信用分為四個等級，A級、B級、C級、D級四個等級，則n取4。

（3）隱含層節點數p的選擇。

隱含層節點數p的確定與訓練樣本、輸入、輸出節點數的多少有直接的關系，可以參考如下公式進行確定：①p=+a（p為隱含層節點數，m為輸入層節點數，n為輸出層節點數，a為1～10之間的常數）。

（4）BP神經網絡模型構建。

BP神經網絡模型構建需要兩類樣本（訓練樣本和檢測樣本）。本文收集了13個建筑施工企業作為評價樣本，其中10個作為訓練樣本，3組作為檢測樣本。每組樣本包括兩類數據：輸入值和期望值，輸入值指建筑施工企業11個信用評價指標的得分，按表1中的計算方法可獲得（如表2所示），期望值采用若干資深專家依據信用評價指標對企業總體信用進行的信用評價狀況。

（5）樣本訓練及檢測。

根據統計數據和專家經驗對輸入層的11個輸入值進行量化和歸一化處理后，根據建立的建筑施工企業信用評價神經網絡，利用美國Math Works公司出品的MATLAB軟件，通過調用函數（輸入與輸出層之間的轉換函數采用Sigmoid型對數函數），用獲得的樣本數據對前面建立的網絡模型進行訓練，確定各信用評價指標權重設置，然后用檢測樣本數據進行測試，測試其準確性及泛化能力。

3 結論

該文根據建筑施工企業信用特點，構建了建筑施工企業信用評價體系，并在此基礎上建立了信用評價模型對施工企業進行信用評價，使信用評價更加客觀、真實、正確，有利于建筑施工企業信用信息查詢、監督和約束。

參考文獻

[1] 傅鴻源，彭天明.基于BP神經網絡的建筑企業信用評價體系分析[J].科技管理研究，2008（11）：161-170.

[2] 陳格.人工神經網絡技術發展綜述[J].中國科技信息，2009（17）：88-89.

摘 要：建筑施工企業信用對建筑業的發展有著舉足輕重的作用，該文根據建筑施工企業特點構建了建筑施工企業信用評價體系，并建立了建筑施工企業信用評價的BP神經網絡模型，對建筑施工企業信用進行客觀、科學、正確的評價。

關鍵詞：施工企業 信用評價 BP神經網絡

中圖分類號：F426.92 文獻標識碼：A 文章編號：1674-098X（2014）09（b）-0022-02

隨著經濟的發展，建筑市場各主體的誠信缺失問題越來越引起人們關注。建筑施工企業是建筑產品的生產者，同時又是建筑材料、設備的使用者，具有買方和賣方的雙重角色，因此，建筑施工企業的誠信與否對建筑業的發展具有舉足輕重的作用。

但是，在當前建筑施工企業信用建設和管理過程中，仍缺乏一套行之有效的信用評價體系和評價方法，該文根據建筑施工企業特點，建設了施工企業信用評價體系，并利用BP神經網絡建立了建筑施工企業信用評價模型，力圖使建筑施工企業信用評價更加客觀可行。

1 建筑施工企業信用評價指標體系

建筑施工企業信用評價指標體系是對建筑施工企業進行高效信用評價的依據。指標體系建立不規范、不科學，沒有一整套完整科學的信用評價指標體系，施工企業信用評價工作就無所適從，更談不上評價的公正性、科學性和準確性。因此，建立規范、科學、準確的建筑施工企業信用評價指標體系是進行建筑施工企業信用評價的基礎。

該文借鑒《天津市建筑施工企業信用評價指標體系和評分標準》等國內部分研究成就，結合我國建筑施工企業自身的實際情況，以簡潔、科學、準確為目標嘗試性的構建了建筑施工企業信用評價指標，共包含4個一級指標和11個二級指標，如表1所示。

2 建筑施工企業信用評價-BP神經網絡

信用評價指標建立起來之后，如何對建筑施工企業各指標進行信用評分，是我們亟待解決的問題，雖然不少學者也采用綜合評分法、層次分析法等評價方法對建筑施工企業進行信用評價，但這些方法依賴于專家經驗決策，具有一定的主觀性等弊端，本文采用BP神經網絡模型對建筑施工企業進行信用評價，它具有自學習、自組織適應能力和容錯能力等特點，克服了傳統信用評價的一些缺陷。

2.1 BP神經網絡

BP神經網絡是一種模仿人類大腦的結構和功能，進行分布式并行信息處理的算法數學模型。這種網絡依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，從而達到處理信息的目的，具有很多與人類智能相似的特點。

誤差反傳前饋網絡也就是BP神經網絡是神經網絡的典型模型之一，它是一種具有三層或三層以上的階層神經網絡，包括輸入層節點、輸出層節點，還有一層或多層隱含層節點。每一層的神經元之間實現無連接，而上下層之間各神經元實現全連接。其基本原理是，樣本從輸入層輸入后，逐步經過各個隱層傳向輸出層，若輸出層得到了期望的輸出，則訓練過程結束，如果輸出層的實際輸出值與期望值輸出不符，則將它們之間的誤差以某種形式通過隱含層向輸入層逐層反傳，并將誤差分攤到各層神經元，從而獲得各層神經元的誤差信息，通過正向和反向傳播的反復交替，不斷調整各單元權重，直至進行到誤差減少到可接受范圍為止，此時權值不再改變。

2.2 建筑施工企業信用評價的BP神經網絡模型設計

該文采用典型的具有輸入層、一個隱含層和輸出層的單隱層BP神經網絡模型，即由三層神經元組成的前饋神經網絡，假設這三層分別各有m、p、n個神經元，如圖1所示。

（1）輸入節點數m的確定。

輸入節點數m取決于所建立的建筑施工企業信用評價指標數。本文選取信用評價的11個二級指標作為輸入變量輸入神經網絡，即m=11。

（2）輸出層節點數n的選擇。

輸出層節點數與信用等級的評價結構相對應。本文參照工商管理學會提出的、國際上通用的信用評價等級標準，將建筑施工企業信用分為四個等級，A級、B級、C級、D級四個等級，則n取4。

（3）隱含層節點數p的選擇。

隱含層節點數p的確定與訓練樣本、輸入、輸出節點數的多少有直接的關系，可以參考如下公式進行確定：①p=+a（p為隱含層節點數，m為輸入層節點數，n為輸出層節點數，a為1～10之間的常數）。

（4）BP神經網絡模型構建。

BP神經網絡模型構建需要兩類樣本（訓練樣本和檢測樣本）。本文收集了13個建筑施工企業作為評價樣本，其中10個作為訓練樣本，3組作為檢測樣本。每組樣本包括兩類數據：輸入值和期望值，輸入值指建筑施工企業11個信用評價指標的得分，按表1中的計算方法可獲得（如表2所示），期望值采用若干資深專家依據信用評價指標對企業總體信用進行的信用評價狀況。

（5）樣本訓練及檢測。

根據統計數據和專家經驗對輸入層的11個輸入值進行量化和歸一化處理后，根據建立的建筑施工企業信用評價神經網絡，利用美國Math Works公司出品的MATLAB軟件，通過調用函數（輸入與輸出層之間的轉換函數采用Sigmoid型對數函數），用獲得的樣本數據對前面建立的網絡模型進行訓練，確定各信用評價指標權重設置，然后用檢測樣本數據進行測試，測試其準確性及泛化能力。

3 結論

該文根據建筑施工企業信用特點，構建了建筑施工企業信用評價體系，并在此基礎上建立了信用評價模型對施工企業進行信用評價，使信用評價更加客觀、真實、正確，有利于建筑施工企業信用信息查詢、監督和約束。

參考文獻

[1] 傅鴻源，彭天明.基于BP神經網絡的建筑企業信用評價體系分析[J].科技管理研究，2008（11）：161-170.

[2] 陳格.人工神經網絡技術發展綜述[J].中國科技信息，2009（17）：88-89.

摘 要：建筑施工企業信用對建筑業的發展有著舉足輕重的作用，該文根據建筑施工企業特點構建了建筑施工企業信用評價體系，并建立了建筑施工企業信用評價的BP神經網絡模型，對建筑施工企業信用進行客觀、科學、正確的評價。

關鍵詞：施工企業 信用評價 BP神經網絡

中圖分類號：F426.92 文獻標識碼：A 文章編號：1674-098X（2014）09（b）-0022-02

隨著經濟的發展，建筑市場各主體的誠信缺失問題越來越引起人們關注。建筑施工企業是建筑產品的生產者，同時又是建筑材料、設備的使用者，具有買方和賣方的雙重角色，因此，建筑施工企業的誠信與否對建筑業的發展具有舉足輕重的作用。

但是，在當前建筑施工企業信用建設和管理過程中，仍缺乏一套行之有效的信用評價體系和評價方法，該文根據建筑施工企業特點，建設了施工企業信用評價體系，并利用BP神經網絡建立了建筑施工企業信用評價模型，力圖使建筑施工企業信用評價更加客觀可行。

1 建筑施工企業信用評價指標體系

建筑施工企業信用評價指標體系是對建筑施工企業進行高效信用評價的依據。指標體系建立不規范、不科學，沒有一整套完整科學的信用評價指標體系，施工企業信用評價工作就無所適從，更談不上評價的公正性、科學性和準確性。因此，建立規范、科學、準確的建筑施工企業信用評價指標體系是進行建筑施工企業信用評價的基礎。

該文借鑒《天津市建筑施工企業信用評價指標體系和評分標準》等國內部分研究成就，結合我國建筑施工企業自身的實際情況，以簡潔、科學、準確為目標嘗試性的構建了建筑施工企業信用評價指標，共包含4個一級指標和11個二級指標，如表1所示。

2 建筑施工企業信用評價-BP神經網絡

信用評價指標建立起來之后，如何對建筑施工企業各指標進行信用評分，是我們亟待解決的問題，雖然不少學者也采用綜合評分法、層次分析法等評價方法對建筑施工企業進行信用評價，但這些方法依賴于專家經驗決策，具有一定的主觀性等弊端，本文采用BP神經網絡模型對建筑施工企業進行信用評價，它具有自學習、自組織適應能力和容錯能力等特點，克服了傳統信用評價的一些缺陷。

2.1 BP神經網絡

BP神經網絡是一種模仿人類大腦的結構和功能，進行分布式并行信息處理的算法數學模型。這種網絡依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，從而達到處理信息的目的，具有很多與人類智能相似的特點。

誤差反傳前饋網絡也就是BP神經網絡是神經網絡的典型模型之一，它是一種具有三層或三層以上的階層神經網絡，包括輸入層節點、輸出層節點，還有一層或多層隱含層節點。每一層的神經元之間實現無連接，而上下層之間各神經元實現全連接。其基本原理是，樣本從輸入層輸入后，逐步經過各個隱層傳向輸出層，若輸出層得到了期望的輸出，則訓練過程結束，如果輸出層的實際輸出值與期望值輸出不符，則將它們之間的誤差以某種形式通過隱含層向輸入層逐層反傳，并將誤差分攤到各層神經元，從而獲得各層神經元的誤差信息，通過正向和反向傳播的反復交替，不斷調整各單元權重，直至進行到誤差減少到可接受范圍為止，此時權值不再改變。

2.2 建筑施工企業信用評價的BP神經網絡模型設計

該文采用典型的具有輸入層、一個隱含層和輸出層的單隱層BP神經網絡模型，即由三層神經元組成的前饋神經網絡，假設這三層分別各有m、p、n個神經元，如圖1所示。

（1）輸入節點數m的確定。

輸入節點數m取決于所建立的建筑施工企業信用評價指標數。本文選取信用評價的11個二級指標作為輸入變量輸入神經網絡，即m=11。

（2）輸出層節點數n的選擇。

輸出層節點數與信用等級的評價結構相對應。本文參照工商管理學會提出的、國際上通用的信用評價等級標準，將建筑施工企業信用分為四個等級，A級、B級、C級、D級四個等級，則n取4。

（3）隱含層節點數p的選擇。

隱含層節點數p的確定與訓練樣本、輸入、輸出節點數的多少有直接的關系，可以參考如下公式進行確定：①p=+a（p為隱含層節點數，m為輸入層節點數，n為輸出層節點數，a為1～10之間的常數）。

（4）BP神經網絡模型構建。

BP神經網絡模型構建需要兩類樣本（訓練樣本和檢測樣本）。本文收集了13個建筑施工企業作為評價樣本，其中10個作為訓練樣本，3組作為檢測樣本。每組樣本包括兩類數據：輸入值和期望值，輸入值指建筑施工企業11個信用評價指標的得分，按表1中的計算方法可獲得（如表2所示），期望值采用若干資深專家依據信用評價指標對企業總體信用進行的信用評價狀況。

（5）樣本訓練及檢測。

根據統計數據和專家經驗對輸入層的11個輸入值進行量化和歸一化處理后，根據建立的建筑施工企業信用評價神經網絡，利用美國Math Works公司出品的MATLAB軟件，通過調用函數（輸入與輸出層之間的轉換函數采用Sigmoid型對數函數），用獲得的樣本數據對前面建立的網絡模型進行訓練，確定各信用評價指標權重設置，然后用檢測樣本數據進行測試，測試其準確性及泛化能力。

3 結論

該文根據建筑施工企業信用特點，構建了建筑施工企業信用評價體系，并在此基礎上建立了信用評價模型對施工企業進行信用評價，使信用評價更加客觀、真實、正確，有利于建筑施工企業信用信息查詢、監督和約束。

參考文獻

[1] 傅鴻源，彭天明.基于BP神經網絡的建筑企業信用評價體系分析[J].科技管理研究，2008（11）：161-170.

[2] 陳格.人工神經網絡技術發展綜述[J].中國科技信息，2009（17）：88-89.