BP神经网络用于石油工程的项目管理

王天宇 北京航空航天大学

BP（BackPropagation）神经网络是目前应用最广泛的神经网络模型之一，它是一种按误差逆传播算法训练的多层前馈网络[1]。BP神经网络具备以任意精度逼近函数的能力，具有自组织、自适应、自学习、高度非线性映射性、泛化性、容错性强的优点，所以特别适合于解决石油工程项目管理这种非线性很高的复杂问题。

1 应用的基本步骤

1.1 指标体系的构建

在实践中，处理石油工程项目管理的问题首先需要针对不同的目标和特点选取不同的指标，构建出适合的指标体系。在选取指标时应该注意选择足够多的典型、高精度的样本，并且合理分布训练样本、检验样本、测试样本的数量，尽量避免训练过程中出现“过拟合”并保持网络模型的性能。

1.2 设计BP网络结构

选取完成指标体系后，开始设计BP网络的结构，根据石油工程项目管理目标和指标体系分别确定输入与输出节点数、隐含层节点数、层数以及激活函数。一般选用只有一层隐含层的网络结构，为了使网络结构高效和运行的快捷，可以通过增加隐含层节点数的方法提高训练速度。

1.3 训练并检验BP神经网络

BP神经网络的训练需要找到正确的训练函数，设置合适参数，然后逐渐调试，让整个样本误差值小于所允许的最大误差ε。针对费用控制可以采用purelin函数为传递函数，使得网络输出为任意值。另外将BP神经网络与工程项目管理常用方法如决策树分析、层次分析法、主成分分析法等结合，能够达到更好的效果。

2 应用范围

石油工程项目是指在石油天然气资源的勘探开发建设活动中，经过可行性研究和评估，明确了预期目标、任务量、质量标准、投资条件、时间要求和组成结构的一次性工程建设任务。石油工程项目在工程的进行中，影响工程的主要是人、物与环境这三大因素[2]。根据以上特点，可以将石油工程项目管理划分为五个方面：费用控制管理、时间进度管理、质量管理、投标报价管理以及HSE管理。BP神经网络在这五个方面中都可以进行应用，并有一定的优势。

2.1 费用控制管理

一般的石油工程项目规模、投资均较巨大，为了在项目的建设实施中尽可能合理减少项目预算以外的附加支出，以达到费用管理的最佳效果，费用的控制是一个非常重要的措施，费用控制管理的目的也是项目管理的主要内容之一。石油工程总承包商一般从项目的前期设计、项目实施、维护等阶段进行费用估算和控制。

石油工程项目的运营周期较长，很多工程在国外涉及到汇率的问题，进行费用管理时会使用大量不完整、模糊不确定或规律性不明显的数据。传统的费用管理不能很好地处理这样的数据，很难权衡各方面之后得到准确的结果。而BP神经网络可以先从市场价格、汇率替换等方面的确定机制出发，依据影响供货商价格、劳动力价格和设备租赁费等的因素建立一个准确可靠的模型，再使用BP神经网络对整个石油工程项目开展期间的费用做准确的估算。还可以在整个估算中加入一些不确定因素的假设，使得包括国内和海外石油工程项目的资金、费用得到较好的预测和控制。

2.2 时间进度管理

石油工程项目的整体开展时间通常较长，会占用大量的人力、物力，需要大量的现金流，而项目正式运营投入之后的回报通常也较大，所以甲方、乙方都非常看重时间进度。通常，项目时间进度管理会使用甘特图、网络图和关键路径分析的工具。

但是，借用这些工具分析时，需要对每道工序的时间做精确的定量，这些时间的定量很多时候只是通过简单的经验和工人计件来完成，虽然在很大程度上满足了需求，但是其误差常常较大，这样的误差可能会对项目整体造成一定损失。可以利用BP神经网络良好的预测能力对工序进行的实际时间耗费进行良好的预测，采用动态调整的办法对整个项目时间进度进行优化。在发生突发情况如自然灾害时，也能够使用已有的BP网络模型对接下来的工序进行重新判定，再利用项目时间进度管理的工具进行处理。

2.3 质量管理

石油工程项目具有连续化生产特性，接触和处理大多为易燃易爆、有腐蚀性、有毒害的原材料和产品，另外生产的设备技术工艺复杂，所处的环境也相对恶劣。这些行业特点决定了石油工程项目对产品、工程质量品质要求较高，其项目质量控制尤为重要，所以在整个石油工程项目开展的过程中需要对质量进行全面细致的管理。

在石油工程项目的质量控制上，主要运用BP神经网络对非线性系统的决策和控制的能力。在具体使用BP神经网络时，可以结合贝叶斯正规化法。黎颖、王爱华等人（2009）证明，运用贝叶斯正规化法在神经网络计算过程中体现了良好的泛化性能，尤其是对于建筑工程评价这种因素多、涉及面广的项目中尤为有效。

2.4 投标报价管理

目前的石油工程项目广泛采用投标的模式对项目的归属开发权进行确定。近几年，随着我国海外市场不断拓展，我国石油企业正在面临更多的国际性的投资、建设和投标机会，并且将会直接面对世界著名的公司企业，所以投标报价管理也是近几年石油工程管理方面的重点。

在投标报价模型上，现在流行的有概率论的报价模型、决策分析方法的报价模型和智能系统的报价模型。而第一类、第二类和第三类模型分别存在公式复杂，不能加入定性指标，成本费用高和数据收集难度过大等缺点。BP神经网络能够使用投标报价中繁多的逻辑性差、数据值差距大的指标，得到良好的投标报价的结果。但是，在实际的处理中，可能会产生收敛速度慢和陷入局部最小值等问题。所以应用BP神经网络解决石油工程项目投标报价的问题时，可以借助遗传算法优化。在此方面王雪青、喻刚、孟海涛等人（2007）使用了基于遗传算法优化的BP网络对工程项目投标报价进行处理，收到了良好的效果[3]。

2.5 HSE管理

现代的石油工程项目开发已经开始摆脱只关注产量和利润，抛开环境承受力和开发安全，造成高污染等野蛮式的开发方式。HSE管理将健康、安全与环境管理作为管理工作的三个核心内容，围绕着这三个核心内容来构建组织结构、划分岗位职责、明确具体方法、确定程序过程和资源利用情况。

应用BP神经网络在指标体系的选取时，可能涉及到一定量的定性数据。采用主成分分析法等方法对数据进行预处理。

3 结语

本文讨论的BP神经网络在石油工程项目管理中的应用，展现了其在很多方面的优越性，值得强调的是在具体应用BP神经网络时，样本和指标的选取以及预处理要依据具体的问题背景、目的和要求进行选取和处理。由于设置训练参数对整个神经网络的精度和泛化能力的影响，所以训练参数的设置可能需要多次调整完成。

BP神经网络的应用现在备受关注，在工程项目管理中的应用已经开始。作为工程项目管理中特殊的一类，石油工程项目管理应用BP神经网络分析可以作为一种探索方向，随着人工神经网络理论的发展，这个方法正不断在实践中展现其良好的解决问题的能力。

[1]韩立群．人工神经网络[M]．北京：北京邮电大学出版社，2006.

[2]马庆国．工程管理与神经工程管理的体系框架[J]．科技进步与对策，2012，29（18）：9-12.

[3]王雪青，喻刚，孟海涛．基于GA改进BP神经网络的建设工程投标报价研究[J]．土木工程学报，2007，40（7）：93-98.