建筑技术创新风险的贝叶斯网络模型分析——以绿色建筑技术创新项目为例

陈帆，谢洪涛

1.湖南科技大学土木工程学院，湖南湘潭 411201

2.昆明理工大学建筑工程学院，昆明 650093

建筑技术创新风险的贝叶斯网络模型分析
——以绿色建筑技术创新项目为例

陈帆1，谢洪涛2

1.湖南科技大学土木工程学院，湖南湘潭 411201

2.昆明理工大学建筑工程学院，昆明 650093

1 引言

与制造业的技术创新不同，多数建筑技术创新都属于复杂产品系统创新，制造业的技术创新大多可以在单个企业内部完成，而建筑技术创新则必须依靠业主、设计院、施工企业和其他机构之间的技术合作才能取得成功，具有较高的风险。建设项目组织的临时性和分散性等特点使得建筑技术创新面临着诸多风险因素的影响，准确评估建筑技术创新风险对于展示项目管理的风险状态，识别潜在的风险，降低风险损失并保障项目的顺利实施具有重要意义。

传统的风险评估方法主要包括灰色关联分析法[1]、神经网络[2]、层次分析法[3]、模糊综合评价法等，这些方法虽然在技术创新风险研究领域取得了一定的进展，但仍然未能为建筑技术创新风险的定量分析提供有效的解决方法。而且，以往的相关研究或者只是站在行业或区域的角度进行宏观的比较和分析，或者只是站在单个建筑企业的角度，对影响企业技术创新风险的各类因素和风险进行研究[4]。这些研究均没有充分考虑到建筑技术创新风险应该以工程项目为载体，需要从工程项目整体的角度考虑业主、设计、施工等多个企业或组织之间的协同创新关系[5]，目前综合考虑各类建筑企业技术创新活动相互作用关系的研究非常缺乏。

近年来，贝叶斯信念网络（Bayesian Belief Network，BBN）作为不确定性知识表达及推理的主导技术，在风险管理和故障诊断等方面得到了比较广泛的应用。Martin等人通过识别建筑工地上高处坠落事故的主要风险因素，构建了高处坠落风险的贝叶斯网络模型，并采用问卷调查建筑工人的方式来评估建筑工程的不安全因素[6]。Matias等比较了贝叶斯网络与其他专家系统技术在风险预测方面的功能，认为贝叶斯网络具备更好的风险预测能力和解释能力[7]。Eunchang Lee将贝叶斯网络运用于造船工程风险评估，提出了一套基于贝叶斯网络的风险评估流程[8]。周国华与彭波以京沪高速铁路建设项目为例，利用贝叶斯网络对项目的质量风险因素进行了分析[9]。汪涛等通过分析风险事件和风险因素之间的关系，结合施工现场所具有的安全管理能力，利用风险贝叶斯网络来评估风险事件的发生概率[10]。但是，对于贝叶斯网络在技术创新风险分析方面的研究，目前还非常缺乏，仅仅针对狭义技术创新提出了一种基于动态朴素贝叶斯网的风险识别方法[11]，亟待开展进一步的研究。而贝叶斯网络在建筑技术创新风险分析领域的研究，目前尚属空白，经互联网综合检索，国内外目前尚无相关文献报道。本文采用将专家先验知识与数据学习相结合的方法，建立建筑技术创新风险的贝叶斯信念网络模型，为建筑技术创新的风险评估提供了一种新方法。

2 贝叶斯网络原理与建模方法

2.1 贝叶斯网络基本原理

贝叶斯网络是一个带有概率注释的有向无环图，它可以表示变量集合的联合概率分布，能够分析大量变量之间的相互关系，并利用贝叶斯定理的学习和统计推断功能来实现预测、诊断和分类等任务。有向无环图通常记为G(V，ε)，它是由一组节点V={1，2，…，n}和连接节点的有向边而组成，每个节点都表示一个随机变量Xi，有向边的起始节点为终节点的父节点（parent nodes），记作πi，节点i是子节点（child nodes），没有父节点而只有子节点的节点为根节点（root nodes）。贝叶斯网络中的每一个节点都同一个概率分布函数相联系，根节点的概率分布函数是一个边缘分布函数，由于它的概率不以其他节点为条件，因此这类节点的概率属于先验概率；其他节点的概率函数则是条件概率分布函数，记为P(xi|xπi)，其中xπi是父节点变量的值[12]。在父节点的先验概率和子节点的条件概率分布都能给定的情况下，就可以计算出包含所有节点的联合概率分布。

依据贝叶斯链式规则，任何联合概率分布都可以视为：

2.2 贝叶斯网络建模方法

贝叶斯网络模型的建立包括三个主要步骤，首先确定节点并取值，然后确定网络结构，最后通过贝叶斯网络学习得到节点条件概率分布。

2.2.1 节点确定与取值

贝叶斯网络节点分别对应于模型中的各个变量，需要根据系统分析来确定各个变量及其相互关系，并依据变量性质来区分节点的类型，节点类型主要包括目标节点、证据节点和中间节点。目标节点标识待求解的目标，它通过推理后的后验概率作为决策依据；证据节点标识已知条件，这些变量取值能够被观察或检测到，并将其输入贝叶斯网络作为推理的前提条件；中间节点是目标节点和证据节点之外的其他所有节点。确定模型的所有节点之后，接下来就可以确定各节点的取值方法。

2.2.2 网络结构确定

贝叶斯网络结构的确定方法主要有两种，一种是依据研究领域的专家知识手工建立节点及节点之间的因果关系，另一种方法是通过数据学习来建立贝叶斯网络结构，后者需要收集足够多的样本数据，通过多次学习完成。如果有一定的样本数据，也可以采用知识和数据相结合的方法来建立网络结构，即先由专家经验构建贝叶斯网络原型，然后通过学习算法从原型中选择最为正确的结构[13]。知识和数据相融合的方法既能避免专家经验主观性，又能大幅缩小算法的搜索空间，能快速收敛。

2.2.3 贝叶斯网络学习

贝叶斯网络的节点条件概率通过网络学习计算得到，假定一个固定未知参数θ，在给定拓扑结构S下的参数θ所有可能取值，利用先验知识寻求在拓扑结构S和训练样本集D下具有最大后验概率的参数取值，由贝叶斯规则可以得出：

3 建筑技术创新风险影响因素分析

对于建筑技术创新而言，通常不能由单个建筑企业完成，它不仅受到业主的极大影响，而且还受到其他创新主体的影响。在当前我国建筑业采用最为广泛的平行发包管理模式下，一般由业主负责项目的全面管理，设计院、施工企业等其他单位各司其职，共同完成项目建设与技术创新任务。

业主是建筑技术创新的首倡者、主要投资者和主导者，同时也是技术创新的直接和主要受益者。业主一般出于提高建设项目技术性能的考虑要求开展建筑技术创新活动，并为建筑技术创新提供资金支持。业主在建筑技术创新过程中具有很大的主导权，其他所有的技术创新参与者一般都由业主选定，业主在技术方案比较等各种关键事件上都具有决定权，建设项目的所有权归业主所有，技术性能的提高主要也是为业主提供便利或创造更高的价值。从建筑技术创新的全过程来看，业主主导了创新的全过程，但是业主通常并不能承担技术创新的具体事务，建筑技术创新的具体工作必须依赖设计院、施工企业、科研院所等技术创新主体来完成。

设计院在建筑技术创新过程中发挥着非常重要的作用，首先，设计院是建筑技术创新设想的具体提出者，设计院要根据业主的需求，结合自己的技术水平以及市场上技术供给状况等要素，提出建筑技术创新的具体设想，包括建筑工程的主要技术方案和具体技术指标等。其次，设计院是建筑技术创新中多种技术的集成者，通常情况下，不同的专业技术难题分别由不同的参与企业或机构解决，但这些不同的技术成果都必须通过设计院的设计方案来集成和综合，并转化为设计图纸才能应用于工程实践；此外，设计院还必须解决建筑技术创新过程中与设计相关的重要技术问题，设计院不仅要对设计文件的安全、经济、合理性负责，还必须提出相应的质量控制指标，指导和配合施工企业。

施工企业在建筑技术创新过程中的主要作用体现在两个方面，一方面按照设计文件的要求完成所承担工程的工艺创新，另一方面在满足设计文件要求的条件下，独立开展工程材料、机械设备等技术创新活动，或者是从外部市场导入新材料和新设备等。施工企业的技术创新活动是外部技术导入建筑工程的关键环节。其他如科研院所等，一般是接受业主的委托参与技术创新，为建筑技术创新提供技术支持，负责攻克某些具体的重大技术难题，或者是与设计院、施工企业合作，为他们提供技术服务。供应商一般是以向建设项目出售新材料、新设备的方式来推动建筑技术创新，为建设项目提供独特的技术服务或产品。

根据以上分析，并结合前期相关的研究成果[4-5]，本文提出如下的16个风险影响因素：业主投资能力不足、业主管理能力不足、设计院技术能力不足、施工企业技术能力不足、技术难度与复杂性、技术成熟度、技术先进性、供应商技术支持不足、科研机构技术支持不足、企业间技术合作不足、业主意图变化、工程变更、工程投资增大、资金不到位、工程进度延迟、工程质量缺陷。

4 建筑技术创新贝叶斯网络模型

4.1 数据采集

为了确定各节点之间的因果关系，通过结构性问卷调查来获取相关数据。调查的对象主要是具有5年以上工作经验的业主、施工企业、供应商、设计院、咨询公司等相关技术人员。本次调查共发放问卷385份，在剔除了连续雷同答案或人为固定模式答案等无效问卷后，共取得有效问卷104份，问卷的有效回收率为27.0%。调查对象主要为全面了解建筑技术创新整体状况的高层管理人员，如总工程师，或者是与新技术直接相关的管理人员或技术人员，如工程技术部经理或工程师等。

问卷调查主要包括两部分内容：第一部分内容主要针对风险要素的逻辑关系进行专家先验知识的定性调查，如调查“设计院技术能力不足”与“工程变更”之间的因果关系采用如下提问方式：“您认为‘设计院技术能力不足’是否导致‘更多的工程变更’？”。第二部分内容则以建筑工程项目为单位，对项目的技术风险影响因素及结果进行定量调查。要求调查对象凭借自己对于所在工程的技术创新问题的了解、自身的经验和知识、建筑技术创新的实际风险状况和结果，对该项目的技术创新风险作出一个总体判断。对于风险影响因素，“严重”对应的分值为“5”，“一般”对应的分值为“3”，“很轻微”对应的分值为“1”。对于综合风险等级，以5级表示：I级为低风险取值为“1”，II级为较低风险取值为“3”，III级为中风险取值为“5”，IV级为较高风险取值为“7”，V级为高风险取值为“9”。

4.2 建筑技术创新风险评估模型结构建立

Nadkarni&Shenoy和Lagnado等人的研究表明，采用基于专家先验知识的临时因果关系图，同时与相关性分析相结合，是构建系统要素因果关系的最佳方法[14-15]。也采用这种方法来确定贝叶斯网络的结构。首先，通过专家调查法获得风险因素间的逻辑关系知识，并建立各节点因素间初步的因果关系图；然后，通过相关性分析来鉴别系统要素间的强联系。相关性分析结果虽然不能作为因果关系的直接判据，但可以作为旁证来降低因果关系网络的复杂性[14]。根据建筑技术创新风险因素逻辑关系的专家知识调查，建立了各节点之间的初步因果关系如图1所示。

图1 节点因果关系图

表1 各变量间的相关性分析表

图2 建筑技术创新风险的贝叶斯网络结构图

通过对上述影响因素的相关性分析，选定相关性系数大于0.75作为判定要素之间直接因果关系的依据，结果如表1所示。技术成熟度、供应商技术支持不足、科研机构技术支持不足等3个变量与网络中其他节点的相关性系数均小于0.75，因此剔除了这3个变量。对原因也进行了一定的分析，初步推测是由于这两类机构参与建筑技术创新活动不具有普遍性，这也是由建筑业技术创新活动的特殊性决定的，因此本文也暂时不予考虑。经相关性分析简化后的网络结构如图2所示。

4.3 网络模型的数据学习

根据已经确定的网络结构，采用NETICA软件建立建筑技术创新风险的贝叶斯网络模型，利用NETICA软件提供的案例学习功能，可以获得节点之间的条件概率。部分条件概率如图3所示，其中节点J为工程质量缺陷，节点E为技术难度与复杂性，节点F为施工企业技术能力不足，节点L为工程变更，节点H为工程技术先进性，节点C为设计院技术能力不足，节点K为业主意图变化。在获得节点之间的条件概率之后，建立了完整的建筑技术创新风险评估贝叶斯网络模型，如图4所示。

图3 部分条件概率P(L|H，C，K)和P(J|E，F)

图4 建筑技术创新风险评估的贝叶斯网络模型

5 建筑技术创新风险评估案例

5.1 案例背景

某建设项目拟采用绿色建筑新技术，位于市新技术开发区工业园内，工程占地面积约4万多平方米，总建筑面积约3万多平方米，预算总投资约2.5亿元。该建设项目包含3栋单层钢结构的生产厂房和2栋多层钢筋混凝土结构办公研发综合楼。该项目的建设目标是采用太阳能光电建筑一体化技术，利用太阳能发电满足室内照明和室外景观道路照明等用电，也可以将多余的电量送入国家电网。该项目主要采用晶体硅、非晶硅电池构件，包括幕墙玻璃、太阳能瓦等，装机容量为1.2 MW，年发电量为160～180万千瓦时。项目建成后可以节约大量的电力，减少含碳燃料消耗，减少粉尘、SO2和CO2的排放。被国家财政部和建设部批准为可再生能源建筑应用示范项目，也是当时省内最大的太阳能光电建筑一体化应用综合项目。该建筑由某高新科技股份有限公司投资兴建，建筑工程设计由信息部专业设计院完成，土建和安装工程由省建筑工程集团公司承担，光伏设计和施工由某专业科技公司配合完成。光伏安装总面积约为1万平方米，整个土建工程和光伏施工工程的建设周期约为20个月。整个工程设计为太阳能与建筑一体化，使太阳能光伏组件与建筑有机结合在一起，实现资源节约型、环境友好型的高科技示范建筑。

5.2 建筑技术创新风险评估

5.2.1 风险参数的确定

太阳能光电建筑一体化技术属于住房与城乡建设部目前正在推广的建筑业10项新技术之一，技术先进性高，新技术的应用中最为关键的就是如何与建筑一体化的问题，其技术难度和复杂性应为中等。该项目业主为国内某知名企业，营业收入稳定，具有较强的投资能力，因此项目资金短缺的风险不大。项目建设目标明确，前期论证工作也比较充分，业主意图发生变化的可能性也不大，但业主的专业技术人员数量少，且缺乏相应的管理经验，因此业主管理能力不足的风险比较高。承担该项目工程设计的为信息部所属工程设计院，相对一般工业设计院更加专业化，设计负责人也具有同类项目负责人的经历，因此设计院的技术能力风险比较低。土建和安装工程公司项目经理是一个拥有非常丰富的施工经验的项目负责人，不足之处是缺乏太阳能光电建筑一体化项目的施工经验，但由于该项目同时还有一个非常专业的科技公司配合施工并提供技术支持，是一家专注于为各类建筑工程订造太阳能电力解决方案的国家级高新技术企业，因此施工企业技术能力不足的风险也比较低。

5.2.2 风险评估

该案例工程的技术创新风险评估主要过程如下：

（1）首先依据已经确定的网络结构（图2）利用NETICA软件构建该项目的贝叶斯网络模型。

（2）利用软件提供的案例学习功能，将104份有效调查问卷的相应数据输入该贝叶斯网络，获得节点之间的条件概率，部分条件概率如图3所示。

（3）在获得节点之间的条件概率之后，即可建立起完整的贝叶斯网络模型（图4）。

（4）针对案例工程的项目背景，通过分析工程数据和咨询专家，对7个根节点的风险大小进行调查分析，得到各节点的风险状态，结果如表2所示。

（5）将根节点的风险状态输入该贝叶斯网络模型，计算结果如图5所示。

计算结果显示，该工程的技术创新风险I级的概率为61.1%，II级的概率为17.1%，III级的概率为10.7%，IV级的概率为6.65%，V级的概率为4.57%，因此综合评估结果为I级，低风险。实际情况是该工程在建设过程中，一直严格按照设计图纸、图纸变更及图纸会审纪要的要求，规范施工质量控制，虽然在光伏板的安装过程中以及安装完毕后出现过电池板的破损情况，在并网设备的调试过程中也出现过问题，但通过及时协调业主、设计和施工企业的技术合作以及邀请国内外技术专家现场会诊调试，这些问题都已顺利解决，同时也培养了一批专业技术人员。目前该项目已经和省电力公司签订并网协议成功实现了并网发电，项目的投资、进度和质量目标均顺利实现，贝叶斯网络模型分析的结果与实际情况相比具有较好的符合性。

表2 案例工程根节点状态分析表

图5 绿色建筑技术创新风险评估案例

6 结语

本文通过引入基于贝叶斯网的知识表达和不确定性推理，构建了建筑技术创新风险评估的贝叶斯网络模型，通过对问卷调查数据的拟合得到了模型各节点的后验概率分布，并运用该模型对案例工程的技术创新风险进行了定量分析，分析结果与工程实际具有良好的吻合性。基于贝叶斯网络的建筑技术创新风险评估方法以网络节点的概率来表达风险要素的不确定性，从而能够非常直观和明确地推导出建筑技术创新风险的大小。该方法可以比较充分地利用专家的先验知识和项目数据，能够使推理在输入数据不完备的基础上进行，具有良好的应用前景。

基于建筑业独特的以工程项目为载体的生产组织模式和技术合作背景，提出建筑技术创新风险的贝叶斯网络分析方法，开辟了一个新的研究方向。与其他行业相比，建筑行业企业间的技术合作和创新联盟的发展仍然比较落后，一个重要的原因就在于对建筑业技术创新的风险分析不足。研究内容切中我国建筑行业企业间技术合作中的关键问题，项目的研究成果有助于认识建筑技术创新的风险因素和规律，促进我国建筑企业间的技术合作与创新。

此外，本文所构建的建筑技术创新风险分析模型在风险因素的选取、模型条件概率的学习等方面也存在还需要进一步完善的地方，这些将是下一步的重点研究方向。

[1]宋哲，王树恩，柳洲，等.ANP-GRAP集成方法在企业技术创新风险评价中的应用[J].科学学与科学技术管理，2010，31（1）：55-58.

[2]陈建新，资明贵，刘志龙.BP神经网络在企业技术创新风险评价中的应用[J].科技管理研究，2007，27（10）：88-91.

[3]包国宪，任世科.基于模糊AHP的企业技术创新风险评价及决策[J].科技管理研究，2010，30（1）：64-66.

[4]陈帆，王孟钧.建筑企业技术创新能力模糊综合评价及实证分析[J].技术与创新管理，2009，30（1）：14-17.

[5]谢洪涛，章胜平.重大建设项目技术创新过程研究——以青藏铁路为例[J].技术与创新管理，2012，33（1）：4-8.

[6]Martin J E，Rivas T，Matias J M，et al.A Bayesian network analysis of work place accidents caused by falls from a height[J].Safety Science，2009，47（2）：206-214.

[7]Matias J M，Rivas T，Martin J E，et al.A machine learning methodology for the analysis of workplace accidents[J]. Int J Comput Math，2008，85（3/4）：559-578.

[8]Lee E，Parky，Shin J G.Large engineering project risk management using a Bayesian belief network[J].Expert Systems with Applications，2009，36（3）：5880-5887.

[9]周国华，彭波.基于贝叶斯网络的建设项目质量管理风险因素分析—以京沪高速铁路建设项目为例[J].中国软科学，2009（9）：99-106.

[10]汪涛，廖彬超，马昕，等.基于贝叶斯网络的施工安全风险概率评估方法[J].土木工程学报，2010，43（S2）：385-391.

[11]杨超，王双成.基于动态朴素贝叶斯网的企业技术创新风险识别[J].情报杂志，2011，30（1）：83-85.

[12]Bayraktar M E，Hastak M.Bayesian belief network model for decision making in highway maintenance：case studies[J].Journal of Construction Engineering and Management，2009，135（12）：1357-1369.

[13]胡笑旋，杨善林，马溪骏.面向复杂问题的贝叶斯网建模方法[J].系统仿真学报，2006，18（11）：3241-3246.

[14]Nadkarni S，Shenoy P P.A Bayesian network approach to making inferences in causal maps[J].European Journal of Operational Research，2001，128（3）：479-498.

[15]Lagnado D A.Causal learning：psychology，philosophy，and computation[M].Gopnik A，Schulz L.[S.l.]：Oxford University Press Inc，2007.

CHEN Fan1,XIE Hongtao2

1.School of Civil Engineering,Hunan University of Science and Technology,Xiangtan,Hunan 411201,China
2.Construction Engineering College,Kunming University of Science and Technology,Kunming 650093,China

Risk assessment of construction technology innovation is an unresolved problem for the traditional calculation method.This paper describes how Bayesian network is applied to quantifying the probability of construction technology innovation risks.Based on the review of relevant literature and survey,a Bayesian network model is constructed to risk assessment of construction technology innovation.Through using the NETICA software to fit the data samples of questionnaire investigation,it gets the probability density of most nodes.The validity of the proposed model is tested by using a realistic case study with high compliance at last.

technology innovation;Bayesian network;risk assessment;construction technology

传统的计算方法难以对建筑技术创新风险进行定量分析。通过专家先验知识与问卷调查数据相结合，可以建立建筑技术创新风险评估的贝叶斯信念网络模型。采用NETICA软件拟合样本数据，得到网络模型各个节点间的条件概率分布。在某绿色建筑技术创新项目中应用结果表明贝叶斯网络模型能够比较准确地实现对建筑技术创新风险的定量预测，与工程实际情况对比具有较好的符合性。

技术创新；贝叶斯网络；风险评估；建筑技术

A

F294

10.3778/j.issn.1002-8331.1401-0326

CHEN Fan,XIE Hongtao.Risk analysis of construction technology innovation by Bayesian networks model—a case study of green building innovation project.Computer Engineering and Applications,2014,50（18）：33-38.

国家自然科学基金（No.71202167，No.71262028）；湖南省自然科学基金（No.12JJB010）。

陈帆（1978—），男，博士，副教授，主要研究方向为建筑技术创新管理与项目治理；谢洪涛（1974—），男，博士，副教授，主要研究方向为建筑技术创新管理与项目治理。E-mail：chenfan3@sina.com

2014-01-20

2014-04-03

1002-8331（2014）18-0033-06

CNKI网络优先出版：2014-04-09，http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1401-0326.html