BP網絡優選模型在水利工程績效管理評估中的應用

李淑霞

(遼寧省觀音閣水庫管理局有限責任公司，遼寧 本溪 117100)

水利工程管理控制系統的核心內容是綜合多種因素進行績效管理評估，不僅是檢驗施工企業價值判斷的主要方法，而是企業進行計劃實施和戰略發展的重要手段。據此，對水利工程的管理績效進行測評、保證和完善已成為當前水利工程項目研究的熱點和主要方向。閆文周等基于工期、費用、質量、安全四大要素構建了用于綜合體項目的管理績效模型；周巍等對工程項目評價體系中的財務、社會經濟以及環境等方面開展研究分析[1]。然而，對實際工程的績效評估是一個多層次、多維度的管理和分析，傳統的評估方法主要是依靠單項要素的線性分析法，此方法簡單易行往往采用“降維”或簡化的方法對問題進行處理，并對各評價指標間的非線性復雜作用關系不能準確表征，其評價結果的精度通常不能滿足工程項目的管理決策相關標準要求。人工神經網絡法相對于傳統的績效評價方法，具有較強的聯想能力和適應能力，神經處理器對于特殊樣本可通過聯想、極易等對系統進行合適的控制輸出，其計算精度有明顯的改善和提高[2]。據此，本文通過將神經網絡和模糊優化理論向結合，在參數訓練過程中利用BP網絡自學習特征不斷的對指標權值進行修正，并使得模型的計算輸出逐漸逼近所期望的輸出，以期構建可靠性和適用性更強的工程建設管理績效優劣的評價模型[3]。

1 水利工程績效管理評估體系的構建

建設周期長、施工環境惡劣和技術復雜等是水利工程建設的主要特點，同時還需要做好與多個參建單位的協調溝通如處理好勘測、設計、施工、業主和監理等部門的統一協調等問題[4]。各大型工程的建設都具有與其特征要素相對應的發展階段，本研究結合水利工程建設的基本程序和要素將其劃分為9個階段如總體規劃階段，建議書決策階段、可行性研究階段、工程項目的初步設計、施工準備階段、建設實施階段、生產準備、竣工驗收以及后評價階段，各階段的實施過程即為項目的全壽命周期階段，其中包含了工程的設計、施工、交付驗收、運行等過程?？睖y設計評估、投資計劃評估、投資控制評估、工程質量進度以及項目后評估是水利工程建設管理績效評價的主要部分[5]，據此，可將工程項目的全壽命周期各個階段的控制難點和重點內容劃分至上述5個評價模塊之中，所構建的績效管理評估體系見表1。

績效管理評估指標體系中的各指標的量綱和單位各不同，且各指標的取值范圍也存在一定的差異，引起各評估指標不具備相互之間的可比性[6- 8]。

表1 水利工程項目的績效管理綜合評價指標體系

據此，在對評估指標進行計算分析前需先進行量綱統一標準化處理以消除不同評估指標之間的不可通度性，各評估指標無量綱化取值范圍為0～1之間的數據。依據專家對各評估指標進行的績效賦分結果，可將工程績效管理評估標準劃分為5個等級即為優秀、良好、中等、合格和不合格，各等級的綜合評估指標賦分范圍依次為1.0～0.9、0.8～0.9、0.7～0.8、0.6～0.7、0～0.6五個取值范圍，評分數值的大小代表績效管理效果的優劣程度。通過將14個工程項目數值進行統計分析，并進行無量綱化標準處理，可獲得15個樣本評估指標和專家組對績效管理的賦分結果。本研究為了提高所選取樣本的準確性，增設了2個理想樣本作為參照性對比分析樣本，即考慮了評估值和專家評價結果分別為0和1時的兩種特殊情況，得到的最終樣本數量共為17組。

2 模糊優選BP網絡系統的構建

2.1 模糊優選BP網絡模型及參數設計

設定系統內包含個目標特征值即在輸入層有個輸入節點，在系統處理隱含層中有個單元的節點，輸出總僅有一個節點，則所構建的BP神經網絡系統共包含輸入層、隱含層和輸出層3個模糊優選層次，所構建的模型如圖1所示。

圖1 水利工程績效管理綜合評價模型

設定評價模型中的評價指標的樣本數為n，則系統中樣本j所對應的輸入層數據為rij，其中i=1,2,，m;j=1,2,，n，模型的計算過程如下：

(1)在系統的輸入層中的節點i所包含的信息直接傳遞給隱含層中所對應的節點，則節點的輸入和輸出信息相同，即rij=uij。

(1)

(2)

(4)模糊優選網絡模型的權重調整系數計算利用相關文獻中的基本公式，對于隱含層與輸出層的節點k、p之間的調整權重量采用下式進行計算：

(3)

式中，n—指標學習效率系數；M(upj)—樣本j所期望的輸出結果。

輸入層與隱含層的節點之間的權重調整量采用下式盡心計算：

利用上述模型對網絡系統的連接權重系數采用BP網絡的方向傳播法進行計算，并確定單元系統與期望目標的權重值，可明顯降低期望輸出和實際輸出之間的計算誤差，使得計算誤差值最低[9]。結合Kolmogorov定律，本文所設定的14個評估指標的輸入層節點共有14個，系統的中間層節點共29個，而績效管理評估結果即為輸出層的節點，有且僅有一個。利用trainlm函數對學習樣本進行訓練，所進行的訓練計算方法為LMBP反向傳播法，此函數訓練法具有計算精度高且收斂速度快等優點。其他各參數的設置為訓練目標誤差為0.001，最大訓練步數為1000。

2.2 模糊優選BP網絡模型率定及驗證

選擇樣本中的前14組數據作為學習訓練樣本的初始數據，系統的輸入節點數據為各評價指標經標準化統一處理后的指標值，系統的輸出層中的期望值數據選取與樣本相對應的評估指標經專家組打分所確定的績效管理評估值[10]。依據文中所述評估指標和方法，所構建BP網絡優選模型經過5個訓練周期后其均方誤差即可滿足預先設定要求。

在樣本數據中的訓練檢測數據為第15～17組數據，系統模型的輸入層節點值和輸出層節點值分別為15～17組樣本數據的評估指標值和與之對應的專家組績效管理的賦分值，然后利用文中所構建的模糊優選BP網絡模型對各指標進行評估，評估計算結果見表2。

表2 BP網絡優選模型的訓練結果和期望結果對比表

由上表模糊優選BP網絡優選模型評估結果可知，水利工程各項目的實際績效管理評估結果與模型評估結果保持高度的一致性，期望輸出與實際輸出值之間的相對誤差較小，樣本數據的均方差D均小于0.0001，滿足水利工程項目的評估精度要求。據此，利用文中所構建的評估模型可應用于對水利工程績效管理評估考核中，其評估結果可以客觀、合理的水利工程的管理水平和效益進行準確評價，并且可以實例對模型的績效管理評估進行驗證。

3 實例分析

本文以某供水改造項目為研究對象，并利用文中所構建的BP網絡優選模型對該項目的績效管理水平進行評估。該項目興建于2014年3月15日，并與2015年8月20日通過竣工驗收，于2016年8月25日正式竣工通水。項目全長48.6km，2018年為設計水平年，且供水保證率為98%，設計年供水總量為35.16×108m3。供水分布在某市各個城區和主要城鎮。某改造項目部分概況為：工程外觀質量得分率為94.2%，單位工程、分布工程和單元工程的優良率分別為95.7%、100%和93.6%；在事故安全控制方面未發生安全死亡事物；在征地移民方面各項工作質量均符合規定要求；在環境方面，水土流失治理率確保在92%以上；在投資管理控制方面均符合設計預期要求，同時節約成本12%，工期提前12%，該工程的績效管理質量水平明顯高于其他同類項目的平均值。

利用該工程監理項目部的有關資料、檢驗驗收資料以及實際測量數據和建設投運情況對各參數指標值進行計算和提取，經統一標準化處理后的各評估指標值見表3。

利用文中所述的程序算法得到該水利改造工程項目的績效管理綜合評估結果為0.9527，評估等級標準為優秀，研究表明，該項目的管理績效水平處于相對優秀水平，文中所構建的評估模型的計算公式和相關理論具有一定的科學性和有效性，能夠應用于相關水利工程的績效管理評估系統研究。

表3 某改造項目各評估指標統一標準化處理數據結果

4 結語

本文基于水利工程績效管理評估基本理論方法和研究現狀水平，在詳細分析了BP網絡優選和模糊優選計算公式和基本理論的基礎之上，結合水利工程績效管理基本特征和要素，構建了評估指標體系。所選取的評估指標相對于現有的實際項目，表現出有明顯科學性、準確性和全覆蓋性，不僅適用于工程項目的內外部環境要求，而且對相關項目的評價方法具有重要的參考價值。本文得出的主要結論如下：

(1)本文所構建的系統模型對水利工程各項目的實際績效管理評估結果與模型評估結果保持高度的一致性，期望輸出與實際輸出值之間的相對誤差較小，樣本數據的均方差D均小于0.0001，滿足水利工程項目的評估精度要求。

(2)所構建的評估模型可應用于對水利工程績效管理評估考核中，其評估結果可以客觀、合理的水利工程的管理水平和效益進行準確評價，本文提供了一套完整的水利工程績效管理評估指標體系和標準，具有較強的實際應用價值和理論意義。