基于神经网络的水利工程建设项目风险评价

王振兴 （南水北调中线干线建设管理局，北京100038）

水利工程建设是一个复杂的系统工程，建设周期长、投资需求大、技术要求高，且存在着很大的风险［1］。准确地分析、判断水利工程建设风险是降低水利工程建设风险损失，提高水利工程投资决策水平的重要途径。目前，水利工程建设项目风险评价的重要性得到了广泛重视，许多研究者对其进行了研究，如基于层次分析法和模糊综合评价法等的评价模型［2-3］。这些方法为水利工程建设项目风险评估提供一定的参考。但是，这些方法主要依靠专家知识和经验，在评价过程易受主观因素的影响，且当评价指标较多时，专家无法凭经验来衡量各指标的相对重要性，从而很难保证给出评价的客观性。相比依靠专家经验判断来确定评价指标权数的评价方法，BP神经网络不需要考虑指标间相互关系，只需将评价指标值作为样本输入神经网络，就能对水利工程建设项目风险进行评价，从而降低了评价过程的主观性，使之更具科学性。

鉴于此，笔者提出了一种基于BP神经网络的水利工程建设项目风险评价方法，利用水利建设项目中的经验数据，且在评价过程中无须对评价指标之间的内在关系进行数学描述，从而有效地减少评价过程中的人为因素，提高评价过程的客观性。

1 水利工程项目风险评价指标体系

图1 水利工程建设项目风险评价指标体系

一个水利工程建设项目的风险主要包括：政治风险、经济风险、自然风险、技术风险、商务风险和信用风险［4］。通过对水利工程建设项目各种风险及其因素的分析和综合，结合水利工程建设项目管理实际，建立了如图1所示的水利工程建设项目风险评价指标体系。

水利工程建设项目风险评价指标值形式复杂，涉及到不同量纲，有些指标值可以通过定量计算获得，有些指标值只能通过定性分析获得。因此，从效率和实用的角度，采用十分制打分的方法进行量化，而定量指标直接采用原值，然后，再将这些数值进行归一化处理。进行归一化处理后的指标值在0～1之间，且各指标在同一数量级别上，便于进行综合评价。

2 评价模型

人工神经网络 （BP神经网络）是由大量处理单元 （神经元）广泛互连而成的网络，是对人脑信息处理功能的模拟和延伸，是一种动态学习系统［5］。BP神经网络作为一种前溃神经网络，可用来逼近复杂的非线性动态函数，将训练后的BP神经网络用于水利工程建设项目实施过程风险评价，是一种智能的评价方法。一个3层的BP网络可以完成任意输入层到输出层的变换［6］。

基于BP神经网络的水利工程建设项目风险评价模型是将用于风险分析指标值作为BP网络模型的输入量，将评价结果作为网络模型的输出量，用样本对网络进行训练；网络通过自适应学习，调整网络权值，获取专家的经验、知识、主观判断。这样训练好的网络模型就可用于水利工程建设项目风险评价。

笔者采用输入层多输入单元、单隐层和单输出单元的3层神经网络结构，其网络结构如图2所示。在该3层BP神经网络中，将风险评估指标值作为输入层，输入神经网络，输入节点数用n表示；输出层输出神经网络的计算结果，表示水利工程建设项目的风险评估结果；隐层的设计在神经网络中极其重要，隐层节点数的选取直接影响到神经网络计算性能的优劣。目前，隐层节点的选取通常是先由经验公式计算出神经网络隐层节点数的初值，然后在迭代计算中对其不断进行修正，最终以计算误差最小的一组隐层节点数作为神经网络的隐层节点数。

网络训练算法采用L-M（Levenberg-Marquardt）反向传播算法，输入值先传播到隐单元，经作用函数运算后再把隐层单元输出值传播到输出层，得到输出值，再通过反向误差传播不断修正网络的权值和阈值，直至系统误差小于给定收敛值［7］。

图2 BP神经网络结构

3 模型求解与检测

根据建立的水利工程建设项目风险评估的12个指标 （政治环境、法规政策、通货膨胀、利率汇率、自然灾害、现场条件、勘探设计、施工技术、合同条款、工程变更、管理能力、合同履行），则神经网络的输入单元的个数为12个，输入向量由定性和定量指标组成，并量化和归一化到 ［0，1］之间的指标值。输出层1个，由所选取的10个样本的综合评价等级值组成。输出向量采用区间法，分为很大（0．8～1），大 （0．6～0．8），一般 （0．5～0．6），小 （0．4～0．5），较小 （0～0．3）5个等级。采用Matable 7．0软件实现编程求解，通过训练完成网络对样本的学习。根据收集到的10组数据，用前8组用于训练学习样本，后2组用于验证。设定学习速率为0．01，误差限制在0．002，训练样本如表1所示。利用训练好的BP神经网络，用后2组数据对BP神经网络的有效性进行验证，检测结果如表2所示。从表2可以看出，基于BP神经网络的水利工程建设项目风险评价结果与专家评价结果之间误差小，可以用该模型对水利工程项目风险进行风险评价，以作为项目的决策依据。

表1 训练及检测样本

表2 训练及检测结果

4 实例分析

下面笔者对与训练样本和检测样本选取相同的某一水利工程建设项目进行风险评估，为进行风险管理提供参考。针对该水利工程建设项目，首先邀请有关专家采用十分制方法对该项目各项风险指标进行打分，各指标归一化结果如表3所示。然后，对表中的数据应用所建立的基于BP神经网络的水利工程建设项目风险评估模型，计算出该工程项目的综合风险评价值为0．412。评价结果表明，该水利工程建设项目风险较小。

表3 某水利工程建设项目评价指标

5 结 语

水利工程建设项目风险评价有助于控制风险，是水利工程项目管理的重要环节。笔者运用BP神经网络的思想和方法对水利工程建设项目风险进行评价，不受人为因素的影响，准确度高，在水利工程建设风险管理中具有较好的应用价值。

［1］韩社民，盖高强 ．浅析水利工程的风险分析 ［J］．工程技术，2011（6）：75．

［2］陈建军，卞艺杰 ．层次分析法在水利工程建设项目风险评估中的应用 ［J］．水利经济，2007，25（1）：13-15．

［3］谢洪，刘建军，张胜东 ．模糊风险分析方法在水利工程中的应用 ［J］．人民黄河，2008，30（2）：76-78．

［4］赖成光，王兆礼，宋海娟 ．基于BP神经网络的北江流域洪灾风险评价 ［J］．水电能源科学，2011，29（3）：57-59．

［5］杨俊辉，程银侠 ．基于BP神经网络的工程项目风险评价 ［J］．西安邮电学院学报，2011，16（1）：115-118．

［6］李爱花，刘恒，耿雷华，等 ．水利工程风险分析研究现状综述 ［J］．水科学进展，2009，20（3）：453-457．

［7］李静，姜志浩，周明乾 ．基于BP神经网络的拱坝风险评价研究 ［J］．价值工程，2008（4）：9-11．