基于BIM模型的水利泵站工程施工風險智能化預測方法

王恭興，廖彬秀

(中國電建集團中南勘測設計研究院有限公司，長沙 410014)

0 引 言

水利工程建設作為國家的基礎設施建設，在滿足人們對日常生活和社會生產工作需求中具有重要意義。水利泵站工程施工是水利工程建設的一個基礎項目，通過水利泵站工程施工可以實現水利和水資源的優化配置，提高水資源的自動化分配能力。在水利泵站工程施工中，受到防洪、引水、排澇等不同因素的影響，導致水利泵站工程施工風險較大，需要研究水利泵站工程施工風險的智能化預測模型，結合水利泵站工程施工風險特征分析，采用水利建設施工方案最優化分析來進行施工風險預測。研究相關的水利泵站工程施工風險智能化預測方法，在提高水利泵站工程施工風險控制能力方面具有重要意義[1]。

對水利泵站工程施工風險智能化預測是建立在風險評價特征分析和指標分布基礎上，結合對水利泵站工程施工風險評價與防范能力測試，通過圖表與數據分析相結合的分析方法，實現水利泵站工程施工風險智能化預測[2]。文獻[3]中提出基于層次分析法AHP(Analytic Hierarchy Process)的水利泵站工程施工風險智能化預測模型，運用層次分析法,可以針對多個評價指標參數進行自適應分配，實現水利泵站工程施工風險評估和預測，但該方法進行水利泵站工程施工風險預測的環境適應度不好。文獻[4]中提出基于理論與實證分析相結合的水利泵站工程施工風險智能化預測模型，以事前控制等各種理論綜合作為指導，應用層次分析法實現對水利泵站工程施工風險智能化預測，但該方法進行水利泵站工程施工風險智能化預測的可靠性不高，模糊度較大。

針對上述問題，本文提出基于BIM模型的水利泵站工程施工風險智能化預測模型。首先構建水利泵站工程施工風險的約束變量模型，建立水利泵站工程施工風險評價指標體系；根據質量控制風險因素、進度控制風險因素、造價控制風險因素等聯合評價，實現工程施工風險的智能化預測；最后進行仿真測試分析，展示本文方法在提高水利泵站工程施工風險智能化預測能力方面的優越性能。

1 模型總體構架和變量參數分析

1.1 水利泵站工程施工風險預測模型總體構架

通過事前控制等各種理論綜合分析的方法，建立水利泵站工程施工風險預測的總體結構模型；結合施工風險管理的經驗模態分析的方法，建立水利泵站工程施工風險預測模型；通過水利工程項目施工風險評價體系構造，采用外部機會與內部優勢融合管理的方法，進行水利泵站工程施工風險預測的總體模型構造，構建水利泵站工程施工風險的約束變量模型；結合水利泵站工程施工的BIM信息數據庫構造，根據建設工程項目的整體構建流程，進行水利泵站工程施工風險特征分析[5]，得到水利泵站工程施工風險參數指標體系，見圖1。

圖1 水利泵站工程施工風險參數指標體系

根據圖1的風險評價指標體系，結合AI及BIM新技術，建立水利泵站工程施工風險影響因素結構模型參數；采用主要風險因素特征分析方法，結合地質條件、水文條件、天氣條件等因素，建立符合水利泵站工程施工風險評估的動態參數解析模型。在進行水利泵站工程施工風險管理和指標體系建立過程中，基于項目工程施工的全過程分解和動態特征分析方法，根據水利工程施工管理的具體框架和實際施工環境，進行水利泵站工程施工風險智能化預測和控制。在水利泵站工程施工風險評價中，采用專家打分和風險因素的權重分析方法[6]，進行風險識別主成分分析和因子模型構造，得到水利泵站工程施工風險影響因素的結構模型參數，見圖2。

圖2 水利泵站工程施工風險影響因素的結構模型參數

根據圖2所示的水利泵站工程施工風險影響因素的結構模型參數，建立水利泵站工程施工風險預測的總體結構模型，根據合同、信息管理、工程環境等風險評價結果，進行風險等級評估[7]。

1.2 風險評估參數分析

在水利泵站工程施工風險評價中，考慮水閘及泵站類的風險特征，引入工程相關因素，結合水利泵站工程施工的BIM信息數據庫構造，采用風險的量化特征分析方法，結合風險因素的回歸分析和風險發生概率分析，得到BIM 多屬性大數據聚類的模糊集為：

qi(t1)=[w1,x1,y1,z1]

qi(t2)=[w2,x2,y2,z2]

互聯網技術刺激新興產業的發展，也為傳統實體產業帶來新的機遇。比如電商平臺，其內生的生態體系就能衍生出網上店家、物流體系、新型零售等新產業，其中提供了大量的工作崗位。微信時代的到來，微營銷相關工作也隨之興起，例如：負責微客服、微支付、微商城等方面的工作人員需求很大，互聯網技術為大學生就業帶來更多的新興崗位。

(1)

其中：w1、x1分別為專家打分的輸入項；y1、z1為風險組合控制因組。

判定各個風險因素的影響程度，可以根據信息熵{L,H}作為影響因子，得到水利泵站工程施工風險的測試集，得到每項風險相對應的等級值；基于樣本數據檢測，得到數據集Dn，最大和最小風險評價的差異度為|dn-max-dn-min|，其中dn-max為最大風險評價值，dn-min最小風險評價值。每項風險相對應的等級值劃分為若干個(K個)等級，得到等級差為Ak，根據實際需要劃分調整各類風險等級，得到風險識別等級性合并集為A1∪A2∪,…,∪Ak=A，且Ai∩Aj=Ω，最終確定主要風險因素。風險測量控制節點為i,j=1,…,m且i≠j，求出每個水利泵站工程施工風險評價數據子集Ak與誤差項比例pk，根據第i個風險因素的賦值權重，進行風險特征分析。

2 風險預測模型優化

2.1 BIM模型解析與風險特征檢測

建立水利泵站工程施工風險評價指標體系，根據質量控制風險因素、進度控制風險因素等，構建風險評價的回歸分析模型[8]；將每項風險因素的權重乘以每項風險等級熵，得到基于BIM模型的分布為：

(2)

其中：Hi(x)為水利泵站工程項目風險總得分；pk為專家評分的權威性賦值。

根據工程項目的總體風險程度，對Hi(x)求最大值max(Hi(x))，得到目標、因素、子因素之間匹配關系，求得水利泵站工程施工風險特征因子。在目標多、層次廣、準則復雜的決策中，選擇水利泵站工程項目風險評價的差異度系數，得到風險評價的BIM信息融合度介于{dn-max,dn-min}，劃分項目的目標系統，得到水利泵站工程施工風險預測的模糊規則向量函數：

(3)

式中：各量均為約化后的無量綱量；t為各個因素和子因素之間的判斷分布間隔；σ為整體風險評價的模糊度；b為關聯因子；x、y、z分別為質量、進度、造價的因子參數集。

E[wk]=qk

(4)

式中：qk為泵站水工建筑物設計方案優選指標；wk為最大特征根。

采用自適應匹配方法，得到BIM模型解析與風險特征分量為：

(5)

2.2 風險預測的數值模擬

建立水利泵站工程施工風險評價指標體系，根據質量控制風險因素、進度控制風險因素、造價控制風險因素等聯合評價，進行水利泵站工程施工風險評估的權重分解，指標分布關系見表1。

表1 風險預測的指標分布關系

表1中B1,B2,……,B7，分別為地質條件、水文條件、天氣條件以及風險二級評價指標權重。根據表1的指標權重分布，在此基礎上，采用專家打分法，構建二級風險指標的分布權重，見表2。

表2中，分別給出了合同管理風險二級評價指標、施工過程控制的風險評價指標以及信息管理風險二級評價指標。采用層次分析排序的方法，進行指標權重計算，根據水閘及泵站類水利工程施工風險因子參數評價，實現風險預測。實現流程見圖3。

表2 二級風險指標分布權重

圖3 水利泵站工程施工風險智能化預測的實現流程

3 實驗測試

為了驗證本文模型在實現水利泵站工程施工風險智能化預測中的應用性能，采用Matlab進行仿真測試。采用專家調查法，將風險等級分為極大、較大、中等、較小等級，以及指標影響程度的分值區間從0.1到0.9，根據風險級別，得到施工風險的二級指標影響重要程度分別打0.2、0.4、0.6、0.8分。風險等級及風險值的取值范圍設定見表3。

表3 風險等級及風險值的取值范圍

在實際的施工環境中，進行水利泵站工程施工風險預測，設定樁號泵0+0 675.253、泵0+066.003，荷載加載的范圍從12.6～29.8 kN。工程施工的構件見圖4。

圖4 工程施工的構件

構建水利泵站工程施工風險的BIM數據分析模型，得到風險樣本分布的回歸參數，見圖5。

圖5 風險樣本分布的回歸參數

構建水利泵站工程施工風險預測，得到預測輸出，見圖6。分析圖6可知，本文方法進行水利泵站工程施工風險預測的準確性較高。

圖6 風險預測的準確性對比

4 結 語

研究水利泵站工程施工風險的智能化預測模型，結合水利泵站工程施工風險特征分析，采用水利建設施工方案最優化分析，進行施工風險預測。本文提出基于BIM模型的水利泵站工程施工風險智能化預測模型，構建水利泵站工程施工風險的約束變量模型，根據合同、信息管理、工程環境等風險評價結果，進行風險等級評估。分析結果表明，采用本文方法進行水利泵站工程施工風險智能化預測的準確性較高。