分析大数据视角下水利工程质量风险管理

朱启龙

（云南能阳水利水电勘察设计有限公司，云南 曲靖 655000）

0 引言

水利建设在防洪护岸的前提下，可以有效促进当地经济发展和稳定人民群众的生产生活，将水利建设与其他基础设施建设相结合，还可以改善农业发展过程中水资源分布不平衡状况。如果工程质量达不到施工技术要求和施工规范要求，不仅会对项目的正常运行造成严重的影响，而且还会对人们的生命财产造成威胁。而造成这些危害的主要原因是在传统的水利项目质量控制中，相关人员的质量管理观念淡薄，技术力量薄弱等。因此，本文从“事中”到“事后”质量管理机制的角度进行了研究，对项目的质量、风险进行了预测和规避。

1 大数据的含义与特征

大数据主要具有以下特点：①数据体量巨大；②处理速度快；③数据类型复杂；④数据形式复杂易变。数据来源日益增多导致难以将数据连接、匹配、清理和转换组成一个系统，所以必须有连接、层次结构和数据链接，否则数据将很快失去控制。然而如何从大量信息中挖掘出有效的信息是一项艰巨的任务，所以，要实现大规模的数据分析，必须依靠云计算的运算能力。

2 质量风险管理对水利工程的重要性

2.1 大数据视角下水利工程质量风险管理工作计划

大数据视角下水利工程质量风险管理的工作计划主要包括对数据源的分析和对工程质量管理框架的设计。

2.1.1 数据源分析

水利建设项目的风险控制是指分析建设项目实施过程中存在的问题，并且加强对项目建设过程的风险控制。大数据的研究工作是对海量的历史资料进行分析、加工，从而对其进行预测。

2.1.2 设计工程质量风险管理框架

目前国内大部分施工项目的质量风险辨识都是从其产生机制入手，而这些方法通常无法准确地反映出施工项目的具体状况。随着网络的发展和信息技术的不断发展，大数据处理技术越来越多地应用到水利项目的质量风险管理工作中去[1]。在大数据的开发过程中，建立项目的管理系统是一个比较复杂的过程，它包括以下3 个步骤：①从项目的质量风险管理要求出发，建立项目的初步质量风险表。②收集与水利项目前期风险有关的资料。③运用数据分析、数据挖掘、数据可视化等数据分析技术，通过分析与预警工程质量问题，并结合工程质量问题的真实数据，对其进行初步设计。

2.2 水利工程质量危险资料的大数据收集

对于施工单位和监理单位已经收集到的工程基本信息、检测数据等，可以将它们直接传输到工程质量危险信息数据库中。地基处理、边坡处理等有关危险指数难以直接定量、收集，可采取图片、视频等方式上传到工程质量隐患数据库，并由质检员进行定量分析。在地基及接缝处的施工中，施工单位将对施工过程中的图像进行拍照，并将视频数据上传给质检部门，以便对工程施工中的安全隐患进行评估。

2.3 水利工程质量风险管理大数据分析

在长期的数据收集与警报下，我国的数据库积累了大量的数据信息，这为分析项目的质量风险、风险发生概率、风险指数等奠定了基础。当质量危险资料库中有了充足的资料，就可以逐步对原始的质量危险表进行最优化与修正。由于最初的质量危险表是通过理论和专业人员的调查得出的，它具有很大的主观性质，因此必须对其进行相应的修改。另一方面，由于经历了长时间的质量监控和改进工作，它将会产生新的质量危险，这与最初的危险列表相比，有很大的差异。

2.4 水利工程项目的质量风险早期预测

在信息技术飞速发展的今天，信息化技术为各个行业的管理和发展都提供了更为高效的管理方法。因此，在水利工程建设方面，利用大数据和信息化技术进行质量风险检测是提升工程质量的必然趋势。运用大数据进行水利项目的质量风险控制，是加强水利建设监理工作的一种有效手段。在水利项目质量、数量风险的控制中，收集项目基本信息、以往质量监管工作中出现的问题信息，建立项目质量问题和隐患的动态管理机制，并运用聚类法、时间序列法等手段，探索项目质量问题及其演变的规律，为以后的项目风险预测工作积累一定的参考依据和经验。

2.5 水利项目施工过程中的质量风险控制要求

建设单位、监理单位、检测单位承担工程质量管理责任。以工程质量责任制为重点，对施工单位的工程质量进行质量监督。施工企业按照“三检制”对工程质量进行自检。在施工组织体系下，监理单位以法律法规、施工技术要求、规程、规范和施工合同为基础，对施工单位进行了横向的质量控制。与其他的项目相比，监理机构在施工组织体系之外，可以利用行政的方式对施工活动的主体实施垂直监控。而质检机构与工程中的各部门相比具有很大的差异，涉及的工程内容也比较多，所以要对各部门的总体状况和资料全方位地对施工现场的质量管理也进行了解，并有针对性地进行质量监控。同时，要结合施工中的重要环节把握好施工现场的质量管理。总之，要正确认识质量监管机构和工程参与者之间的质量风险控制关系，突出多方面的质量风险特征，以全面了解质量风险管理大数据分析的功能。

2.6 大数据视角下对水利工程质量风险管理的影响

传统的水利项目质量风险控制主要表现为“事中”，而缺乏“事前”质量控制，即对正在建设中的项目进行质量控制，以及对现有项目进行质量检验，从而改善项目的施工质量。只有综合各种因素，形成一套完整、科学、全面的评估系统，才能有效地评估其可能存在的质量隐患，从而实施相应的风险防范。另外，水资源建设项目的质量风险控制因子是构建海量信息的关键，而这些信息需要借助庞大的运算能力来挖掘数据。从大数据和云计算的角度出发，对水利项目的质量风险进行分析，提出了基于大数据的信息资源和特点的挖掘方法以及相应的风险控制体系结构。在分析大数据的基础上，提出了一种基于数据挖掘、机器学习、统计分析的新方法。数据挖掘可以从大量的、不完全的、模糊的真实数据中抽取出隐藏在其中具有巨大使用潜力的信息和知识，例如，从影响项目质量风险的各种因素中抽取相关的信息。由于水利建设项目的质量风险因素众多，且其复杂性和不确定性较大，常规的质量风险评价方法难以找到其内部的规律性，必须采用数据挖掘技术，通过数据挖掘技术进行分析工作，这可以优化基于危险的生成、依靠人为的判断、无法对真实的环境做出有效反应的传统风险辨识方式。如今，随着大数据处理技术以及强大的计算能力在水利工程中得到越来越广泛的应用，可以从设计、缺陷、疏忽等角度对水利建设的技术风险进行评估，建立相应的风险评估模型。

3 我国水利工程风险管理存在的问题

我国走的是计划型的发展模式，所以在项目风险管理中涉及时间比较晚，研究比较少。而在各个项目的研究中，政策制定人的风险意识较差，所学的风险管理知识相对欠缺，风险辨识能力比较低下，加之缺乏前瞻性的认识和判断，导致建设项目的风险发生率增高，让风险规避失去了基础。

由于无法进行精确的风险评估，因此，在实际工程施工中，风险的预测往往与现实的差异较大，从而影响了工程施工的整体效益。另外，由于经营者的观念松懈，以及缺乏对企业管理的认识，使得企业成为最终的风险承担方[2]。

4 水利工程项目管理风险大数据控制对策

目前已有的一些理论和方法已不能很好地适应曲靖地区水资源的要求，亟待把大数据技术引入水利项目的质量管理中。在水利项目中应用大数据进行风险管理具有明显的优越性，运用大数据技术管理水利项目建设质量风险，可以实现项目质量的科学化、动态化管理，还可以实时监控质量风险。基于大数据进行预测，及时发现质量安全隐患，达到防范质量安全风险的目的。在未来的建设项目中，首先，必须不断提升信息化、科学化、智能化的管理水平，加强监测系统的数据收集力度，利用海量的数据信息，对水利项目的风险进行评估。其次，充分利用先进的信息技术，提升水利项目的信息化水平，改变过去的“事中、事后”思想，转变为注重“事前监督”，可以在前期进行预测和预判，从而减少项目的质量安全隐患，改善项目的整体施工质量。

4.1 观念的改变

在计划经济体制中，水利建设单位的第一要务是根据上级制定的计划，实现利益最大化。但在市场化的形势下，必须从市场、利润、产值、管理和管理思想等方面进行整合，从而形成经验，促进水利建设、管理、改革和发展。

4.2 施工材料风险控制

在水利建设施工中，原材料的进场检验和取样检验是确保工程质量的重要一步。材料管理是一项很烦琐的工作，它牵涉到很多问题，工作量很大，因此，施工单位和监理单位都要参与其中。监督部门对进入工地的物料进行质量检查，例如，砂、石料等是否有检验报告，水泥、机械、钢材等是否达到了技术指标，不合格的物料严禁采用。尤其是作为工程建设主要原料的钢筋混凝土，其检测采样工作应由现场见证和签署。经过多年的试验，发现在混凝土中普遍存在的裂纹主要是表层裂纹，在低温区域，气温的急剧下降也会导致开裂，所以，混凝土的隔热性能对表层开裂有重要影响。

4.3 施工技术风险控制

施工技术管理是水利工程企业的一项重大任务。在技术上，应明确分工，做到互相监控和协作，从而提升技术水平。为了实现科学化和规范化管理，任何一个公司的水利工程都必须建立起一套严密的管理体系。水利项目技术负责人应当积极参加图纸会审、编制施工方案等各个阶段，按照技术要求进行施工计划，科学地组织施工，保证项目的施工质量同时节省费用，并强化监理的措施[3]。

4.4 施工质量风险控制

要想改善水利项目的质量，就需要制定出一套策略，并在公司内部形成一套完整的质量管理系统。由于单纯依靠全面的质量风险管理无法从根源上解决水利项目的质量问题。只有在加强质量文化内涵的同时，进行策略规划，方能真正改变水利建设的质量。因而，需从技术和手段上完善对水利工程的质量管理[4]。质量管理是水利水电系统中的一个重要组成部分，应该把它与其他系统有机地联系起来，使之达到整体最优，而且质量管理的执行方式要根据项目的具体要求而变化。当前，水利建设管理正处于一场管理变革之中，由传统的“内向型”的管理模式转向“外向型”“系统化”的管理模式。

4.5 质量风险管理的优化

在不断收集和分析质量风险数据的过程中，需要对其进行初步的分析。这是因为质量危险的初步评估是通过理论和专业人员调查得出的，具有很大的主观性，必须结合项目的具体情况加以调整。同时，在实施过程中，各种危险的发生概率与最初的危险表设定存在很大偏差。在优化质量危险表时，可以利用多种分类技术来进行，以收集到的项目质量问题为分类变量，以项目的初始危险指数为特征变量，构造出相应的培训集和试验集[5]。

5 结语

本文从大数据和云计算的角度，探讨了水利项目的质量风险。与以往的项目质量风险分析方法相比，基于大数据和云计算的项目质量风险控制模型能够更加客观、有效地预测和防范水利工程中的质量问题，同时，云计算强大的计算能力使模型更加准确高效。