基于熵权-模糊综合评判的建筑工程风险评估方法研究

摘要：随着建筑工程特征多样性和建造环境复杂性的增加，风险问题逐渐成为工程管理中极其重要的一部分。为了帮助风险管理者明确当下复杂建筑工程风险管理重点，减少风险损失，从人为因素、设备材料、管理模式、技术工艺、施工环境5个风险层面提出一种风险综合评估方法。首先，基于系统工程及层次原理视角建立建筑工程风险指标评估体系；其次，运用层次分析法（AHP）和熵权法对专家意见进行量化处理和赋权；最后，将各级权重与模糊综合评判法相结合构建风险评估模型，并应用到某重点工程风险评估中以验证评估方法的合理性。结果表明，该方法真实、全面地反映了建筑工程风险特征、内涵，对建筑工程风险评估管理具有一定的借鉴意义。

关键词：建筑工程；AHP法；熵权法；模糊综合评判法；风险评估

0 引言

建筑工程安全风险一直是建筑行业关注的焦点之一，针对建筑工程风险管理研究，各学者从不同专业角度进行了分析。经文献分析法总结分类，发现现有研究主要趋向于风险识别^[1-3]、安全风险评价^[4-6]、安全风险管理^[7-9]等视角。但随着建筑技术的发展及当今工程特征的多样化，建筑工程从各个维度都变得越来越复杂，潜在的风险因素种类也大大增加，并存在更多的不确定性，因此评估方法需与时俱进，以适应更多的工程风险管理^[10]。

为了更加全面地体现当今建筑工程风险特征、明确管理重点及提高风险管控水平，本文基于系统工程及层次原理视角，提出了一种风险评估方法。该方法在遵循可操作性原则、定量定性结合原则及针对性原则的基础上，根据现场实施经验及专家咨询筛选、归纳出科学合理且较为全面的风险评估因素，系统性构建出建筑工程风险指标体系。结合主观法和客观法的优势，运用层次分析法和熵权法共同处理各级指标组合权重，以明确各风险要素的重要性。与模糊综合评判法相结合，构建建筑工程风险评估模型，最后将该方法应用于某重大工程风险管理评估验证其评估的合理性，以期为建筑工程风险管理提供理论基础和工程借鉴。

1 风险指标体系

数据驱动作为现代信息化技术、大数据和人工智能技术重要体现形式之一，可以处理大量的工程实时数据，帮助风险管理者或决策者快速识别关键风险因素，为复杂工程环境下风险管理提供有效的风险数据^[11]。同时，数据驱动还可以预测未来可能出现的安全事件，为风险管理提供及时、有效的预警，使得相关人员可以提前采取防范措施，防止发生安全事故进而导致经济损失及人员伤亡。因此，当下建筑工程风险管理评估指标除了考虑传统风险评估中涉及的人、材、机、料、法、环风险指标的变化，数字化管理模式的革新也已成为不可忽略的重要考虑因素。为了系统性地对风险进行把控，本文在遵循可操作性原则、定量与定性原则、针对性原则的基础上，通过文献参考与专家咨询讨论，构建了建筑工程风险评估指标体系，见表1。

2 风险评估模型

2.1 确定风险评语集

评语集是评判者对研究对象可能做出评判结果所组成的元素集合^[12]，其设定往往需要结合研究对象实际情况并由该领域专家推理、讨论确定。本文根据评语集设定原则，在反复讨论的基础上，最终将评语集分为“风险低，风险较低，风险中等，风险较高，风险高”，即V={V1，V2，V3，V4，V5}。

2.2 基本理论

2.2.1 层次分析法

（1）构造判断矩阵。对因素进行相互比较，以1、3、5、7、9确定相对重要程度，其倒数表示不重要性，根据所得比较分值构建判断矩阵。

（2）排序与一致性检验。对判断矩阵Aij进行归一化处理，公式如下

aij=aij∑nk=1akj（i， j=1， 2， …， n）（1）

对矩阵Aij的各向量求和，公式如下

Wi=∑nj=1aij（i， j=1， 2， …， n）（2）

对向量Wi进行归一化，公式如下

Wi=Wi∑nj=1Wj（3）

一致性指标CI计算，公式如下

CI=λmax-nn-1（4）

λmax≈1n∑ni=1（AW）iWi=1n∑ni=1∑nj=iaijWjWi（5）

计算单排序的一致性比率CR，若CR小于0.1，判断矩阵有效，CR公式如下

CR=CIRI（6）

2.2.2 熵权法

熵的概念源于热力学，指标的信息量越大，信息熵值越小，所确定的权重越大。熵权法是一种常用的客观赋权方法，通过建立原始数据评价矩阵计算出各指标权重，与主观赋权法相比较，熵权法客观性强，精度高。权重计算流程如下：

（1）确定系统熵。以模糊综合评判矩阵作为研究系统，对原始数据归一化数值进行熵值计算，公式如下

ej=-1lnn∑ni=1PijlnPij（7）

式中，e为j项指标的熵值；1lnn为信息熵系数。

（2）确定熵权。熵权公式如下

βj=1-ejn-∑nj=1ej（8）

式中，βj为第j项的熵权。

2.2.3 模糊综合评判法

模糊综合评判法以模糊数学为基础，适用于处理一些难以量化、具有模糊性的问题，可将定性评价转为定量评价。

2.3 风险评估模型分析计算

2.3.1 建筑工程风险评估流程

数据驱动下建筑工程风险评估流程图如图1所示。

2.3.2 确定风险指标权重

（1）计算风险组合权重。先运用AHP法计算主观权重，再以熵权法修正权重，获得组合权重，具体修正模型^[12]如下

Si=uiwi+（1-ui）zi（9）

式中，Si表示组合权重；ui表示经验因子；wi表示主观权重；zi表示熵权重，其取值范围均在[0，1]。

（2）确定隶属度矩阵。定性分析法，邀请若干经验丰富者或业界专家对指标要素进行评估，根据情况描述，确定因素隶属度。定量分析法，多采用线性分析，该方法应用广泛且适用范围广，通过构造隶属度函数计算隶属度，客观性强。隶属度函数图如图2所示。

图2中，ex2线段函数为y=x2-xix2-x1；fx1线段函数为y=xi-x1x2-x1；gx4线段函数为y=x4-xix4-x3；hx3线段函数为y=xi-x3x4-x3；ix6线段函数为y=x6-xix6-x5；gx5线段函数为y=xi-x5x6-x5；kx8线段函数为y=x8-xix8-x7；lx7线段函数为y=xi-x7x8-x7。

（3）根据隶属度函数计算矩阵因子，确定指标对应的风险等级隶属度，公式如下

R=r11r12…r1mr21r22…r2mrn1rn2…rnn（10）

（4）模糊综合评判公式如下

B=S×R（11）

（5）风险分析。根据最大隶属度原则，确定建筑工程各级指标风险等级，并给出风险控制策略。

3 实证分析

3.1 风险评分

某建筑工程工况复杂、投资规模大、设备材料耗费量多、管理工作烦琐、建造周期长、施工环境差，为提高建筑工程管理工作质量、施工效率，降低建设风险，项目引入智慧工地一系列信息化技术，以数据驱动形式解决传统建设工程中遇到的风险管理问题，以减少不必要的经营成本及潜在风险。结合项目信息化应用及风险情况，邀请专家对项目潜在风险进行评估，按每项10分制对专家意见及评分进行定性、定量处理，并进行数值打分，分值越高风险越大。数据驱动下建筑工程风险评分表见表2。

3.2 风险评语集

为了有效识别和控制风险，本文将建筑工程施工风险要素进行了归纳与细化，并划分为“V1=风险低，V2=风险较低，V3=风险中等，V4=风险较高，V5=风险高”5个等级。若风险处于V1级、V2级和V3级，仅需根据风险等级制定不同程度的风险规避或风险控制措施即可通过风险评估；若风险源处于V4级，应采取具有针对性的有效措施，控制或减小风险产生的损失，确保建设工程的顺利实施和建成后的功能与综合效益，进而通过评估；若风险源处于V5级，则该项风险评估不达标。

3.3 计算风险因素组合权重

3.3.1 主观权重

根据各级风险因子的重要性构建判断矩阵，并计算一级指标主观权重Wi。判断矩阵见表3。

3.3.2 客观权重

在各项风险指标中，数值越小，风险越低。对表2评分数值进行归一化处理，并计算熵值、熵权获得客观权重。二级指标归一化处理数值见表4。

3.3.3 组合权重

根据实际情况和管理经验，ui取0.7，结合式（9），计算得出一、二级指标组合权重。客观及组合权重见表5。

3.4 确定隶属度矩阵

基于风险评分表，运用定量分析法中的线性分析法，将x1，x2，x3，x4，x5，x6，x7，x8分别取值为1，2，3，4，5，6，7，8，通过图2函数信息计算隶属度，风险等级隶属度见表6。

3.5 模糊综合评判计算

3.5.1 一级模糊综合评判计算公式如下

B1×R1=（0.404，0.396，0.200）00.6400.3600001.00000001.000000=（0，0.855，0.145，0，0）

类比可得，项目在设备材料、管理模式、技术工艺、施工环境方面的风险评价结果如下

B2×R2=（0，0.738，0.262，0，0）

B3×R3=（0，1.000，0，0，0）

B4×R4=（0，0.760，0.240，0，0）

B5×R5=（0.032，0.822，0.146，0，0）

3.5.2 二级模糊综合评判

计算公式如下

B×R=（0.160，0.246，0.335，0.168，0.091）00.8550.1450000.7380.2620001.00000000.7600.240000.0320.8220.14600=（0.003，0.856，0.141，0，0）

3.6 风险分析

根据最大隶属度原则，建筑工程风险目标层评价结果最大为0.856，对应风险等级为V2级，即风险较小，这与专家根据经验得出的风险结论一致。从一级指标看，建筑工程在设备材料、人为、管理模式、施工环境方面风险值均得到了有力控制，说明项目在数据驱动技术作用下，取得了较好的风险管控效果，项目决策者和管理者决策水平、管理水平也得到了有效提高。但从该项目部分二级指标来看，有些风险指标值较大，如设备运行状态及安全监测安全管理、技术改进投入成本及效益等，仍需要在数据驱动方面进行深耕，寻求更加有效的防治措施，以更好地控制成本，消除安全隐患。

4 结语

（1）为明确复杂环境下建筑工程风险管理重点，提升风险管理水平，在传统风险评估的基础上，进一步识别梳理出建筑工程风险管理评估要素，并重点加入了管理模式评估指标，最后从人为因素、设备材料、管理模式、技术工艺、施工环境5个层面建立了科学全面的风险评估指标体系。

（2）为了真实体现各级风险指标的重要程度及研究成果的可靠性，在结合定量、定性指标特征及考量各种研究方法优劣性的基础上，选取了层次分析法和熵权法确定指标组合权重，避免传统赋权中存在的偶然性、局限性的弊端。

（3）根据工程风险管理特征将风险划分为风险低、较低、中等、较高、高5个等级，构成风险评估评语集。将评估模型应用到某建筑工程风险管理中，结合权重运用模糊综合评判法得出项目风险等级为V2级，与工程实际情况及专家讨论分析出的风险大小相一致。

（4）方法验证中发现，在数据驱动作用下，建筑工程各级风险值可得到有效控制。因此，决策层和项目管理层可根据二级指标针对性地应用数字化技术，规避潜在风险，强化过程可视化管理，实现风险预测和及时管控。

参考文献

[1]孙啸天.基于人工智能和大数据技术的建筑工程质量风险识别与评估研究[J].中国质量万里行，2023（11）：56-58.

[2]吴洪擎.基于层次分析法的水利工程施工风险识别及控制措施研究[J].四川水泥，2023（11）：35-37.

[3]孙源.基于蒙特卡洛模拟的工程施工阶段风险识别与分析[J].大众标准化，2023（20）：63-65.

[4]杨江南，张朋飞.基于AHP-熵权法和灰色聚类综合评价的办公建筑智能化改造工程项目施工风险评价[J].项目管理技术，2024，22（3）：19-26.

[5]李思童，张鑫缘.基于熵权-TOPSIS法模型的医院工程项目管理风险评价[J].医院管理论坛，2024，41（1）：81-86，36.

[6]景语.城市立体有轨交通拼宽桥梁施工安全风险模糊综合评价[J].公路与汽运，2024，40（1）：141-145，151.

[7]王涛.建筑工程项目中的风险管理与应对策略研究[J].城市建设理论研究（电子版），2024（5）：45-47.

[8]沈震.建筑工程招投标过程中的风险管理研究[J].中国招标，2024（2）：121-123.

[9]夏凯锋.基于ISM-MICMAC的深基坑工程施工安全风险因素研究[J].铁道建筑技术，2024（2）：94-98，156.

[10]乔俊，张燕琴.我国建筑工程项目风险管理标准化现状及对策研究[J].中国标准化，2023（23）：105-108.

[11]丁烈云.大数据驱动的工程决策[J].施工企业管理，2022（7）：88-91.

[12]顾煜炯，陈昆亮，杨昆.基于熵权和层次分析的电站设备维修方式决策[J].华北电力大学学报（自然科学版），2008（6）：72-76，82.

收稿日期：2024-05-29

作者简介：

张小强（1980—），男，高级工程师，研究方向：工程项目管理。