大數據視角下水利工程質量風險管理措施初探

郭玲玲

摘要：水利工程施工會受到各種因素的影響，產生質量風險，從而影響到水利工程的經濟效益和社會效益。在大數據背景下，可利用大數據技術進行水利工程質量風險的管理。本文就此展開了討論，先是簡單介紹了水利工程質量風險的形成，然后詳細闡述了如何利用大數據技術管理水利工程質量風險。

關鍵詞：大數據視角；水利工程；質量風險管理；措施

近年來，隨著我國經濟的發展，水利工程的建設質量也不斷提高。但是水利工程的質量風險是客觀存在的。只有加強水利工程的質量風險管理，才能降低水利工程的質量風險。所以，我國應該加大水利工程質量風險的管理研究，積極利用各種新技術、新思想，做好質量風險的評估、預測。

一、水利工程質量風險的形成

水利工程的質量風險是指施工過程中，一定時間和條件下各種不可預知的變動效果和產生影響的嚴重程度。風險與損失是并存在。只有降低水利工程質量風險，才能保證減少水利工程的損失。具體來說，其質量風險主要表現在以下幾個方面：第一，水利工程具有一次性的特點，從可行性研究到竣工驗收，每個環節都存在許多不可預知的風險。但人們對這些風險的認知并不充分，很難提前預防。第二，水利工程的施工規模較大、周期較長、涉及領域較廣。多種不確定因素綜合在一起，其質量風險更難以辨別。第三，水利工程易受自然、社會環境的影響，產生各種不可預知的施工干擾。總之，風險是不可控的。只有依據風險的產生規律，運用概率、統計方法，進行風險的分析，并采用有效的預防措施，才能降低質量風險對水利工程質量的影響。

二、大數據視角下水利工程質量風險的管理

1.水利工程質量管理的數據源

水利工程的質量風險包括工程行為風險、工程實體質量風險。水利工程的質量管理是由監督部門負責的。所以，水利工程的質量風險管理也應當由監督部門承擔。為了更好地提高監管效率，監督部門可進行水利工程重點部門、重點環節的監管，并依據之前的歷史數據、項目動態，進行監測分析。

需要注意的是對于監管對象的分析、預測，還應考慮水利工程的質量風險影響因素。但水利工程的質量風險影響因素比較多，且相互作用、相互影響。這就意味著無法準確描述質量風險的產生、傳遞、作用。如水利工程招投標中，存在圍標串標、掛靠問題；完成水利工程招投標后，工程被多次轉包問題；施工時，施工人員技術不足、現場監管不到位等問題。所以，可嘗試建立相關管理系統，結合施工企業檔案信息、信用數據平臺，詳細記錄水利工程全建設過程的信息數據，然后再對這些信息進行整合、預處理，從而為后續風險的識別、預測打下數據基礎。在這一過程中，主要就是利用大數據技術進行海量數據信息的篩選，篩選出有效的水利工程數據信息，并構建出質量風險預測、評價指標。這種方式是建立在可靠的數據基礎上的，其風險預測結果更加準確。

2.水利工程質量風險管理的流程設計

就目前來說，質量風險的識別方法多是來源于風險形成機理的分析，其可靠性不足。現如今，隨著科學技術的不斷發展，大數據技術逐漸被應用到質量風險識別中。利用大數據技術可以從海量的、碎片化的數據中，篩選出有效的數據分析，并整理、歸納出有效的數據。這樣風險識別者就可從數據入手，切實觀察指標的變化，作出準確的判斷。從中能夠發現，進行風險評價必須進行數據的采集、分析、處理、反饋。鑒于此，可將整個研究過程分為三個階段：

第一，從滿足水利工程質量風險管理需求角度出發，建立質量初始風險清單。其主要內容就是：先調查不同監督部門的工作需求，然后利用查閱文獻、專家調查等方式，明確風險指標清單。該階段的重點在于海量數據的采集、分析。第二，依據清單采集數據。在這一過程中，可利用大數據技術，按照數據采集頻率及格式等標準，從相關系統中定期抽取數據。第三，利用大數據分析技術、挖掘技術進行數據分析，并依據清單進行質量風險分析、預警。在這一過程中，還可依據工程實際，進行清單的優化，從而提高質量風險預測的準確性。

3.水利工程的風險管理需求

明確水利工程的風險管理需求，才能建立質量初始風險清單。考慮到施工單位、監理單位、質量監督單位都肩負著水利工程質量管理職責的責任。所以，在分析其風險管理需求時，需先分析各單位對水利工程質量的要求。

施工單位的主要職責就是進行水利工程的質量自檢。監理單位主要是依據各項法律法規、技術標準、合同進行水利工程的質量監督。質量監督單位主要是利用行政手段，對水利工程建設各主體進行監督管理。顯然，三者的質量監督職責、內容、廣度均存在不同，其質量風險需求也不相同。因此，在依據水利工程質量風險管理需求，建立質量風險清單時，可先識別、選擇不同施工階段的質量風險指標，然后再進行指標結合的調研、選擇、完善、專家調查、權重設定。這樣形成的質量風險初始清單更加精確、有效。

4.數據采集方法

在完成質量風險清單建立后，需進一步加強相關數據的采集，以提高質量風險的管理水平。在數據采集時，可采用以下方法：

第一，進行初始風險指標的分級量化。對于國家法律法規、技術規程已經明確的指標，可依據規范進行量化。但對于無法明確分級量化的指標，可采用離散化的處理方法。第二，對于已經被采集且量化過的工程信息、監測數據，可采用數據交換方法，將其傳遞至質量風險數據庫。對于已經被采集但無法量化的工程信息、監測數據，可將相關圖片、視頻先傳遞到風險數據庫，而后再進行間接量化。

5.質量風險清單的優化方法

從上述文中能夠了解到進行質量風險清單的優化，可提高水利工程質量風險預測的質量。在大數據時視角下，可采用大數據分析技術中的分類算法，譬如隨機樹、深度學習等，進行質量風險清單優化。其具體過程是：先將工程質量風險問題作為變量，初始風險清單中的指標作為屬性變量，進而構建出齊全的測試集合、訓練集合，用于分類計算。隨后，建立多種訓練模型，并利用測試數據，對比各種算法。同時，用最優算法進行初始風險指標分析，從而將質量風險問題按照重要程度區分開。最后，就可進行初始風險指標的刪減、權重調整，最終達到初始風險清單適用性的目標。

綜上所述，在水利工程的質量風險管理中，可以充分利用大數據技術改變以往水利工程質量風險的管理理念、思路、方法，實現水利工程質量風險的自動化處理，提升水利質量風險預測的準確性。

參考文獻

[1]李梅杰.大數據視角下水利工程質量風險管理[J].城市建設理論研究（電子版），2018（06）：181-182.

[2]黃黎明，張可，龔尋，李明.大數據視角下水利工程質量風險管理[J].水利經濟，2017，35（06）：66-70+82.

[3]魏獻明，張博.水利工程施工質量風險管理初步探索[J].才智，2013（35）：349.

（作者單位：黑龍江省望奎縣西洼荒水利站）