人工神經(jīng)網(wǎng)絡(luò)在建筑工程項目管理中的應(yīng)用

張 雷 徐志安

1 ANN基本原理

人工神經(jīng)網(wǎng)絡(luò)(Application of Neural Network,即:ANN)是人工智能的一個分支領(lǐng)域,是一類處理非線性問題的有力工具,具有很強(qiáng)的非線性映射能力、良好的適應(yīng)性、容錯性。除了在傳統(tǒng)的語言識別、自動控制及圖像識別等領(lǐng)域外,ANN在經(jīng)濟(jì)管理、工程技術(shù)以及其他許多行業(yè)都獲得了廣泛的應(yīng)用。根據(jù)胡保清,馮凱[2](2004年)的總結(jié),神經(jīng)網(wǎng)絡(luò)在土木工程領(lǐng)域應(yīng)用的首篇文獻(xiàn)出現(xiàn)于1989年,隨后應(yīng)用于建筑工程項目管理領(lǐng)域。

2 ANN在建筑工程項目管理中的應(yīng)用研究

2.1 ANN在造價預(yù)測方面的應(yīng)用

汪應(yīng)洛,楊耀紅[3](2004年)總結(jié)了ANN在費用估計方面的應(yīng)用。采用BP網(wǎng)絡(luò),用40個公路工程樣例訓(xùn)練網(wǎng)絡(luò),并用工程實例進(jìn)行驗證,發(fā)現(xiàn)效果比傳統(tǒng)方法好。Tarek Hegazy[4](1998年)等用MS-Excel表格進(jìn)行ANN模擬,并在輸入層和隱含層加入了偏置神經(jīng)元來促進(jìn)網(wǎng)絡(luò)學(xué)習(xí)。其缺點是由于網(wǎng)絡(luò)學(xué)習(xí)時的訓(xùn)練樣本數(shù)據(jù)中有噪聲,會造成過度學(xué)習(xí)現(xiàn)象,運用規(guī)范化網(wǎng)絡(luò)可以解決這個問題。周麗萍,胡振鋒[5](2005年)在研究BP神經(jīng)網(wǎng)絡(luò)在建筑工程估價中的應(yīng)用時指出,可以利用神經(jīng)網(wǎng)絡(luò)“特征提取器”的作用,從大量過去的工程資料中自動提取工程特征與預(yù)算資料的規(guī)律關(guān)系;由于神經(jīng)網(wǎng)絡(luò)具有高度的容錯性,因而對于過去的工程資料中由于人為的或其他因素造成的偏差有自動糾偏功能;此外由于神經(jīng)網(wǎng)絡(luò)是并行處理數(shù)據(jù)的,因而其處理速度相當(dāng)快,這點滿足了快速估算要求,實踐證明是有效的。

2.2 ANN在工程項目管理績效評價中的應(yīng)用

閆文周[6](2005年)等運用ANN中的BP網(wǎng)絡(luò)對工程項目管理績效評價問題進(jìn)行研究,建立了一個綜合考慮項目工期、質(zhì)量、費用、安全四大控制指標(biāo)的工程項目管理績效評價模型。實例分析表明,其評價結(jié)果更加全面、更加符合實際情況,從而有助于促進(jìn)工程項目管理水平的提高。基于BP神經(jīng)網(wǎng)絡(luò)的工程項目管理績效評估模型,將影響工程項目管理績效的主要因素進(jìn)行整合,通過神經(jīng)網(wǎng)絡(luò)反映了工程項目工期、質(zhì)量、成本、安全與項目績效之間復(fù)雜的非線性關(guān)系,從而使項目管理績效的評價更客觀。

2.3 Hopfield網(wǎng)絡(luò)模型在建設(shè)工程評標(biāo)中的應(yīng)用

建設(shè)工程評標(biāo)是一個多目標(biāo)決策過程,評標(biāo)過程中存在著大量的定性和模糊的因素,評標(biāo)人很難快速做出準(zhǔn)確客觀的評判。朱玉濤[7](2006年)等用ANN作為新型信息處理工具,在建設(shè)工程評標(biāo)中可應(yīng)用于優(yōu)選中標(biāo)企業(yè)。介紹了Hopfield網(wǎng)絡(luò)模型構(gòu)造及算法設(shè)計,包括進(jìn)行方案優(yōu)劣排序、換位矩陣以及能量函數(shù)構(gòu)造、神經(jīng)元之間連接和輸出,并用實例說明了該方法的優(yōu)越性和實用性。應(yīng)用Hopfield網(wǎng)絡(luò)對非定量因素進(jìn)行科學(xué)的分析,可以消除一些人為因素的影響,使評選結(jié)果更加合理。

2.4 BP網(wǎng)絡(luò)模型在建設(shè)工程招投標(biāo)管理中的應(yīng)用

BP網(wǎng)絡(luò)以其自學(xué)習(xí)、自聯(lián)想功能的優(yōu)點在建設(shè)工程招投標(biāo)中得到廣泛應(yīng)用。楊中宣(2006年)結(jié)合人工神經(jīng)網(wǎng)絡(luò)基本理論,介紹了它在工程招投標(biāo)的招標(biāo)價格、風(fēng)險因素分析以及競標(biāo)單位資格審查等方面的應(yīng)用,指出利用人工神經(jīng)網(wǎng)絡(luò)具有的高度并行處理和可完成復(fù)雜輸入輸出的非線性映射能力,不僅可以保證高的中標(biāo)率,且可避免招標(biāo)過程中不確定性因素的影響。

現(xiàn)在很多人致力于基于ANN的工程承包招投標(biāo)報價的研究,Hegazy和Moselhi(1994年)提出了一個多因素確定公路項目投標(biāo)報價的ANN模型,該模型考慮了影響報高率的諸多因素,并確定了其權(quán)重。文獻(xiàn)[8]首先對所建或所投工程的各種因素進(jìn)行評判,接著確定出最終的綜合評定值,即確定了用BP神經(jīng)網(wǎng)絡(luò)實施黑箱操作的樣本輸入值和目標(biāo)值,再通過學(xué)習(xí)訓(xùn)練,自主調(diào)整修正輸入節(jié)點和輸出節(jié)點間的聯(lián)系,得出符合各種情況要求的權(quán)重矩陣,基于保存的最終權(quán)重矩陣,通過輸入新項目的因素評定值確定其綜合評判值,該方法在對現(xiàn)有項目評定的基礎(chǔ),也考慮到了以往項目的經(jīng)驗,把人為不確定因素的影響降到了最低。

3 ANN在建筑工程項目管理中應(yīng)用的不足之處

3.1 估計的準(zhǔn)確性存在質(zhì)疑

周麗萍,胡振鋒[5](2005年)最后也指出基于神經(jīng)網(wǎng)絡(luò)的估算模型,其主要限制在于工程特征向量的選取和訓(xùn)練樣本的選取上,估算模型的準(zhǔn)確度取決于這兩點。但是由于每個建筑工程都是獨一無二的,都有自己的特點,即使外形一樣,物價水平、采購?fù)緩讲煌矔乖靸r存在很大差異,所以訓(xùn)練樣本和待估工程總是存在很大差異,即運用ANN進(jìn)行預(yù)測還是沒有辦法避免誤差的。

3.2 解釋能力較差

應(yīng)加強(qiáng)ANN的研究,完善理論系統(tǒng);可把ANN系統(tǒng)與其他系統(tǒng)相結(jié)合,取長補(bǔ)短,如把ANN系統(tǒng)與ES相結(jié)合,可以增加ES的預(yù)測能力,也可以增強(qiáng)ANN對問題的解釋力。

3.3 方法單一(BP網(wǎng)絡(luò)模型)

在建筑工程項目管理中應(yīng)用的ANN主要是BP網(wǎng)絡(luò),且輸出單一,而其他網(wǎng)絡(luò)應(yīng)用有限,所以,應(yīng)深化BP網(wǎng)絡(luò)的應(yīng)用,并注意其他網(wǎng)絡(luò)方法的應(yīng)用潛力,比如仿真應(yīng)用等。

3.4 訓(xùn)練時間長

對于應(yīng)用較廣的前饋網(wǎng)絡(luò),投入應(yīng)用前需要大量案例訓(xùn)練它,而大量案例需要長時間的收集和積累。我國在這方面非常不足,所以碰到此類問題時,往往是請專家進(jìn)行咨詢。其實,每次所請專家的數(shù)量是有限的,專家的知識也是有限的,而且,針對具體問題,專家們意見往往帶有很大主觀性。

3.5 應(yīng)提高樣本的代表性及規(guī)范取樣操作步驟

網(wǎng)絡(luò)學(xué)習(xí)的過程受決策環(huán)境復(fù)雜程度和訓(xùn)練樣本的內(nèi)斂性影響很大,有時需要增大樣本量來提高網(wǎng)絡(luò)所學(xué)知識的代表性,應(yīng)注意在收集某個問題領(lǐng)域的樣本時,注意樣本的全面性、代表性等。在收集訓(xùn)練樣本時,一般采用文獻(xiàn)查閱、專家調(diào)查、實際觀察方法,應(yīng)對這些方法給出操作規(guī)范和步驟,以提高樣本的準(zhǔn)確性,減少噪聲,還可以采用其他方法收集樣本。

3.6 沒有與其他軟件相結(jié)合

現(xiàn)有用于建筑工程項目管理的ANN系統(tǒng)一般比較孤立?，F(xiàn)有大量的基于Windows的項目管理系統(tǒng)(PMS),如MS-Project,P3等,可以應(yīng)用Windows系統(tǒng)的DDE,OLE等技術(shù)把它們整合,使工程數(shù)據(jù)直接用于ANN分析預(yù)測系統(tǒng),并把分析預(yù)測結(jié)果直接用于建筑工程項目管理系統(tǒng),可以同時增加ANN系統(tǒng)和PMS系統(tǒng)的效率和效力。

4 結(jié)語

ANN用于建筑工程項目管理領(lǐng)域只是近幾年的事,很多文獻(xiàn)都是在綜述國外相關(guān)應(yīng)用的具體做法和進(jìn)展,并沒有多少創(chuàng)新的部分;另外,有一些人只是運用ANN的基本原理解釋建筑工程項目管理相關(guān)領(lǐng)域的內(nèi)容,并沒有實際運用。ANN在建筑工程項目管理中已經(jīng)得到了應(yīng)用,由于建筑工程項目管理的特點和ANN方法本身具有的特點,決定了ANN必將在建筑工程項目管理領(lǐng)域廣泛應(yīng)用。但由于ANN作為一門新興的邊緣交叉學(xué)科,有不完善和不成熟的地方,又在一定程度上制約著它的實際應(yīng)用。

[1] 周小佳.電力系統(tǒng)可靠性人工神經(jīng)網(wǎng)絡(luò)模型及實現(xiàn)研究[D].博士學(xué)位論文,1997.

[2] 胡保清,馮 凱.神經(jīng)網(wǎng)絡(luò)在土木工程領(lǐng)域的應(yīng)用[J].低溫建筑技術(shù),2004(2):37-38.

[3] 汪應(yīng)洛,楊耀紅.工程項目管理中的人工神經(jīng)網(wǎng)絡(luò)方法及其應(yīng)用[J].中國工程科學(xué),2004(7):55.

[4] Hegazy T,Ayed A.Neural network model for parametric cost estimation of high way projects[J].Journal of Construction Engineering and Management,1998,124(3):210-218.

[5] 周麗萍,胡振鋒.BP神經(jīng)網(wǎng)絡(luò)在建筑工程估價中的應(yīng)用[J].西安建筑科技大學(xué)學(xué)報,2005(6):262-265.

[6] 閆文周,徐 靜,吁元銘.神經(jīng)網(wǎng)絡(luò)在工程項目管理績效評價中的應(yīng)用研究[J].西安建筑科技大學(xué)學(xué)報,2005(12):557-560.

[7] 朱玉濤,許占立,段向前.人工神經(jīng)網(wǎng)絡(luò)在建設(shè)工程評標(biāo)中的應(yīng)用[J].黃河水利職業(yè)技術(shù)學(xué)院學(xué)報,2006(4):33-35.

[8] 王 吉吉.工程項目投標(biāo)決策方法研究[D].北京:華北電力大學(xué),2003.

[9] 曹洪洋,李萬慶,李文華.基于ANN的投標(biāo)報價的風(fēng)險預(yù)測研究[J].河北建筑科技學(xué)院學(xué)報,2001,18(2):64-67.