基于TOPSIS和RBFNN的EPCM項(xiàng)目采購風(fēng)險(xiǎn)研究

謝亮

摘要： 在EPCM模式下，采購位于一個(gè)核心環(huán)節(jié)，識(shí)別和分析采購風(fēng)險(xiǎn)對(duì)企業(yè)制定合理的采購決策具有重要的意義。本文首先分析了EPCM模式下的采購風(fēng)險(xiǎn)，在此基礎(chǔ)上，提出了基于TOPSIS和RBFNN方法來確定采購風(fēng)險(xiǎn)評(píng)價(jià)模型，并結(jié)合工程實(shí)例，以一定量的項(xiàng)目采購統(tǒng)計(jì)數(shù)據(jù)進(jìn)行了實(shí)證分析。研究表明，該方法能有效、準(zhǔn)確地評(píng)價(jià)EPCM項(xiàng)目的采購風(fēng)險(xiǎn)，為實(shí)施企業(yè)集成采購風(fēng)險(xiǎn)管理和制定風(fēng)險(xiǎn)預(yù)警機(jī)制提供有力的支撐架構(gòu)。

Abstract： Procurement is a core link under the EPCM model， and identifying and analyzing procurement risk is of significance to make sensible procurement decision. This paper firstly analyzes the procurement risk under the EPCM model， and according to the above， proposes a procurement risk assessment model based on TOPSIS and RBFNN method. With the engineering projects， the empirical analysis on a certain amount of project procurement statistics data is made， which shows that the new method leads to a more efficient and exact assessment for the procurement risk under the EPCM model， and it can provide strong support structure for the implementation of integrated procurement risk management and the establishment of financial risk early warning mechanism.

關(guān)鍵詞： EPCM；供應(yīng)鏈；采購風(fēng)險(xiǎn)；評(píng)價(jià)

Key words： EPCM；supply chain；procurement risk；assessment

中圖分類號(hào)：F274 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2014）29-0027-02

0 引言

EPCM模式，即設(shè)計(jì)采購施工與管理（Engineering Procurement Construction Management—EPCM），是指項(xiàng)目總承包商（簡稱EPCM管理企業(yè)）按照總承包合同約定，進(jìn)行全方位、全過程系統(tǒng)化集成的項(xiàng)目管理模式[1]，實(shí)現(xiàn)E、P、C及M各要素之間的權(quán)衡，充分發(fā)揮EPCM管理企業(yè)的主觀能動(dòng)性，保證工程項(xiàng)目在一個(gè)系統(tǒng)、一個(gè)管理主體下組織實(shí)施。

項(xiàng)目作為完成既定目標(biāo)的一次性活動(dòng)，其復(fù)雜性和獨(dú)一無二性決定了項(xiàng)目具有很強(qiáng)的風(fēng)險(xiǎn)性。由于EPCM項(xiàng)目具有專屬性集成化管理特點(diǎn)，使得EPCM管理企業(yè)在項(xiàng)目生命周期內(nèi)承擔(dān)了業(yè)主的全部風(fēng)險(xiǎn)轉(zhuǎn)嫁。TOC（Theory of Constraints）理論認(rèn)為，企業(yè)要生存與發(fā)展，必須加強(qiáng)生產(chǎn)經(jīng)營活動(dòng)中的風(fēng)險(xiǎn)評(píng)價(jià)，為此，要建立一個(gè)以EPCM管理企業(yè)為核心的供應(yīng)網(wǎng)鏈，著力于系統(tǒng)協(xié)調(diào)網(wǎng)鏈上各企業(yè)內(nèi)外部資源，從而提升企業(yè)核心競爭能力，使以較低的成本、較快的速度為項(xiàng)目業(yè)主提高滿足要求的產(chǎn)品或服務(wù)。

1 采購風(fēng)險(xiǎn)理論分析

采購作為EPCM模式中的一個(gè)環(huán)節(jié)，其在采購過程中可能會(huì)遇到諸多意外情況，具體表現(xiàn)為：一方面采購預(yù)測(cè)值不準(zhǔn)而導(dǎo)致物料難以滿足生產(chǎn)要求或超出預(yù)算；另一方面供應(yīng)商群體產(chǎn)能下降導(dǎo)致供應(yīng)不及時(shí)；第三，貨物不符合采購訂單或合同要求，呆滯物料增加；第四，采購人員工作失誤或與供應(yīng)商之間信息不對(duì)稱，存在不誠實(shí)甚至違法行為。因此，這些情況都會(huì)直接影響到采購預(yù)期目標(biāo)的實(shí)現(xiàn)。

由于EPCM管理企業(yè)在項(xiàng)目采購中呈量大類多現(xiàn)象，遇到的風(fēng)險(xiǎn)也是復(fù)雜多變的。因此，在篩選項(xiàng)目采購風(fēng)險(xiǎn)時(shí)必須建立一套具有針對(duì)性的擇優(yōu)方法，成為確定采購風(fēng)險(xiǎn)因子的重要前提。在眾多的采購風(fēng)險(xiǎn)中，由于各種風(fēng)險(xiǎn)因素之間的關(guān)聯(lián)度（Relational Degree）、兼容度（Compatibility Degree）和差異度（Difference Degree）相對(duì)模糊。為此，采用方案評(píng)價(jià)優(yōu)化系統(tǒng)方法，建立兼容度、差異度極大極小化模型來進(jìn)行采購風(fēng)險(xiǎn)指標(biāo)重要度擇優(yōu)。

2 采購風(fēng)險(xiǎn)評(píng)價(jià)體系的建立

采購風(fēng)險(xiǎn)是特定領(lǐng)域的風(fēng)險(xiǎn)，尤其是在EPCM管理模式（系統(tǒng)集成化管理）下，企業(yè)參與的主體眾多以及跨地域、跨環(huán)節(jié)的特點(diǎn)，容易受到來自供應(yīng)網(wǎng)鏈中內(nèi)外部不同的因素影響，增加了對(duì)風(fēng)險(xiǎn)識(shí)別和預(yù)警的難度，使得風(fēng)險(xiǎn)事件發(fā)生概率增大[2]。為了提高企業(yè)的競爭力，EPCM管理企業(yè)往往從業(yè)主的有效需求出發(fā)，以保質(zhì)量、縮工期、降費(fèi)用、要效益為目標(biāo)，使得項(xiàng)目在各個(gè)階段不確定性風(fēng)險(xiǎn)加大。因此，EPCM管理企業(yè)必須在采購前預(yù)先識(shí)別和分析各種風(fēng)險(xiǎn)對(duì)目標(biāo)實(shí)現(xiàn)的程度，建立一套能夠合理描述和反映采購風(fēng)險(xiǎn)指標(biāo)的體系，為順利實(shí)施項(xiàng)目采購提供前提和保障。經(jīng)過系統(tǒng)的分析和重要度擇優(yōu)選取，建立了EPCM管理企業(yè)在采購領(lǐng)域的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，如圖1所示。

3 TOPSIS和RBF模型

近年來，有不少的學(xué)者對(duì)采購風(fēng)險(xiǎn)進(jìn)行了研究，提出了各種理論和評(píng)價(jià)模型，如：陳武、楊家本提出了使用VaR方法來量化分析其中由價(jià)格波動(dòng)引起的采購風(fēng)險(xiǎn)，從而為風(fēng)險(xiǎn)決策提供量化依據(jù)；吳有華、陳慧麗討論了利用Stackelberg模型分析供應(yīng)鏈采購風(fēng)險(xiǎn)管理中期權(quán)合同的定價(jià)方面研究等等。為了改善采購風(fēng)險(xiǎn)評(píng)價(jià)的方法，本文引入TOPSIS和RBFNN相結(jié)合的方法將非線性轉(zhuǎn)化為線性問題，對(duì)EPCM模式下的采購風(fēng)險(xiǎn)進(jìn)行了定量化評(píng)價(jià)，從而實(shí)現(xiàn)專家模擬與仿真。endprint

3.1 TOPSIS優(yōu)選RBF輸入值 TOPSIS是一種逼近于理想解的排序方法，即（Technique for Order Preference by Similarity Ideal Solution 簡稱TOPSIS）。該方法是建立在所選擇的方案與理想方案的差距最小并且與負(fù)理想解差距最大的理論上?；诮?jīng)過歸一化處理的原始數(shù)據(jù)矩陣，構(gòu)建出一個(gè)空間并獲得正理想解和負(fù)理想解，每個(gè)待選方案是這個(gè)空間中的一個(gè)點(diǎn)，最后的綜合評(píng)價(jià)是基于每個(gè)方案與理想方案的歐幾里得（Euclid）距離進(jìn)行由小到大排序，距離最小者為最優(yōu)方案。根據(jù)以上理論，本文采用改進(jìn)后的TOPSIS方法。從而計(jì)算出每組調(diào)查值與平均值的距離，摒棄距離實(shí)際指標(biāo)值較遠(yuǎn)的數(shù)據(jù)，保留具有代表性的數(shù)據(jù)以此作為RBF神經(jīng)網(wǎng)絡(luò)輸入層的輸入值，具體計(jì)算過程及賦權(quán)方法參考文獻(xiàn)[5]。

3.2 RBFNN評(píng)價(jià)原理 將基于徑向基函數(shù)（Radial Basis Function 簡稱RBF）與神經(jīng)網(wǎng)絡(luò)（Neural Networks）結(jié)合在一起形成的一種局部逼近的網(wǎng)絡(luò)，簡稱RBFNN。該網(wǎng)絡(luò)是具有單隱層的三層前饋神經(jīng)網(wǎng)絡(luò)，成為替代BP網(wǎng)絡(luò)的一種新型網(wǎng)絡(luò)，提出運(yùn)用RBFNN逼近定理和高斯函數(shù)（Gaussian）作為其隱節(jié)點(diǎn)的基函數(shù)，其具體的計(jì)算過程可以參考文獻(xiàn)[6]。本文以采購風(fēng)險(xiǎn)評(píng)價(jià)為實(shí)例，建立一個(gè)RBFNN網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，如圖2所示。

4 應(yīng)用算例

本算例以某工程項(xiàng)目水泥采購過程中收集的相關(guān)數(shù)據(jù)為樣本，運(yùn)用前述的評(píng)價(jià)方法進(jìn)行實(shí)例分析研究，來進(jìn)一步驗(yàn)證該方法的可行性和實(shí)用性。在實(shí)際工程中，由于原料市場(chǎng)的不可預(yù)見性，采購過程中應(yīng)根據(jù)采購的對(duì)象不同和所處的環(huán)境不同，建立適當(dāng)?shù)娘L(fēng)險(xiǎn)指標(biāo)體系，不斷收集相關(guān)數(shù)據(jù)，訓(xùn)練和優(yōu)化網(wǎng)絡(luò)模型，為EPCM管理企業(yè)更科學(xué)地、合理地做出采購決策提供依據(jù)。

4.1 RBFNN訓(xùn)練樣本的確定 本文以水泥采購為例，根據(jù)所建立的采購風(fēng)險(xiǎn)指標(biāo)體系，首先將不同的指標(biāo)進(jìn)行量化處理，這里約定，按風(fēng)險(xiǎn)指標(biāo)對(duì)采購的影響大小來確定風(fēng)險(xiǎn)取值標(biāo)準(zhǔn)，取值的范圍為0-1之間。對(duì)于評(píng)價(jià)輸出狀態(tài)值按下列進(jìn)行描述，“有利0.9-0.7；一般0.7-0.5；不利0.3；非常不利0.1”，在評(píng)價(jià)過程中，對(duì)RBFNN輸出值采取“最低合理可行（As low As Reasonably Practicable簡稱ALARP）”原則進(jìn)行評(píng)判，判斷輸出值所處的風(fēng)險(xiǎn)區(qū)間（金字塔），從而為項(xiàng)目采購提供理論依據(jù)。

首先，根據(jù)上述的準(zhǔn)則確定了20組采購樣本數(shù)據(jù)；其次，利用AHP確定TOPSIS中各采購風(fēng)險(xiǎn)的指標(biāo)權(quán)重值：W=（0.128，0.385，0.028，0.117，0.081，0.099，0.049，0.028，

0.085）；再運(yùn)用改進(jìn)的TOPSIS法剔除遠(yuǎn)離實(shí)際值較遠(yuǎn)的調(diào)查值，按照優(yōu)先順序得到10組數(shù)據(jù)作為RBFNN訓(xùn)練樣本數(shù)據(jù)，其中2組（樣本9、10）為檢驗(yàn)樣本，以檢驗(yàn)?zāi)Ｐ偷挠?xùn)練效果。優(yōu)化后的訓(xùn)練樣本見表1。

4.2 檢驗(yàn)結(jié)果分析與評(píng)價(jià) 經(jīng)過8組樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，確定隱含層節(jié)點(diǎn)個(gè)數(shù)為6，使網(wǎng)絡(luò)不斷修正輸出權(quán)值，不斷地逼近一個(gè)函數(shù)，保證模型滿足訓(xùn)練要求。最后選擇編號(hào)為9號(hào)、10號(hào)樣本進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果及評(píng)價(jià)結(jié)果如表2所示。

結(jié)果數(shù)據(jù)顯示，網(wǎng)絡(luò)輸出值與目標(biāo)值之間很接近，表明網(wǎng)絡(luò)模型訓(xùn)練達(dá)到了要求，樣本9和樣本10產(chǎn)生的離散誤差率分別為0.17%和0.05%均在允許范圍內(nèi)。而狀態(tài)值都位于有利（0.9-0.7）數(shù)字之間，評(píng)定結(jié)論表明該水泥材料有利于采購，表明采購過程中的風(fēng)險(xiǎn)對(duì)項(xiàng)目的實(shí)施不會(huì)產(chǎn)生影響，可見運(yùn)用TOPSIS和RBFNN相結(jié)合的方法具有一定的科學(xué)評(píng)價(jià)性。

5 結(jié)論

本文根據(jù)相關(guān)文獻(xiàn)資料，結(jié)合EPCM項(xiàng)目模式及采購方式特點(diǎn)，對(duì)采購過程中各種風(fēng)險(xiǎn)因素，進(jìn)行了風(fēng)險(xiǎn)的重要度優(yōu)選。在此基礎(chǔ)上，構(gòu)建了EPCM項(xiàng)目采購風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。鑒于RBFNN神經(jīng)網(wǎng)絡(luò)有效的非線性評(píng)價(jià)能力，以及良好的擬合結(jié)果，在提出了比較全面的評(píng)價(jià)指標(biāo)體系的情況下，結(jié)合工程算例，運(yùn)用TOPSIS和RBFNN相結(jié)合的方法進(jìn)行了實(shí)證分析，系統(tǒng)地驗(yàn)證了該方法的可行性、有效性和準(zhǔn)確性，對(duì)于其他采購風(fēng)險(xiǎn)的評(píng)價(jià)有著重要的借鑒意義。

參考文獻(xiàn)：

[1]Han Chuan feng， Xia chao yang. Information management of mega-construction projects [J]. Journal of Tong ji University （Social Science Section），2006，17（2）：112-116.

[2]R Vrijhoef， L Koskela. “The four roles of supply chain management in construction”[J]. Journal of Purchasing & Supply Management，2000（6）：169-178.

[3]余雁，梁樑.多指標(biāo)決策TOPSIS方法的進(jìn)一步探討[J].系統(tǒng)工程，2003，021（002）：98-101.

[4]Martin T. Hagan Howard B. Demuth.神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)[M].北京：機(jī)械工業(yè)出版社，2001.endprint

3.1 TOPSIS優(yōu)選RBF輸入值 TOPSIS是一種逼近于理想解的排序方法，即（Technique for Order Preference by Similarity Ideal Solution 簡稱TOPSIS）。該方法是建立在所選擇的方案與理想方案的差距最小并且與負(fù)理想解差距最大的理論上。基于經(jīng)過歸一化處理的原始數(shù)據(jù)矩陣，構(gòu)建出一個(gè)空間并獲得正理想解和負(fù)理想解，每個(gè)待選方案是這個(gè)空間中的一個(gè)點(diǎn)，最后的綜合評(píng)價(jià)是基于每個(gè)方案與理想方案的歐幾里得（Euclid）距離進(jìn)行由小到大排序，距離最小者為最優(yōu)方案。根據(jù)以上理論，本文采用改進(jìn)后的TOPSIS方法。從而計(jì)算出每組調(diào)查值與平均值的距離，摒棄距離實(shí)際指標(biāo)值較遠(yuǎn)的數(shù)據(jù)，保留具有代表性的數(shù)據(jù)以此作為RBF神經(jīng)網(wǎng)絡(luò)輸入層的輸入值，具體計(jì)算過程及賦權(quán)方法參考文獻(xiàn)[5]。

3.2 RBFNN評(píng)價(jià)原理 將基于徑向基函數(shù)（Radial Basis Function 簡稱RBF）與神經(jīng)網(wǎng)絡(luò)（Neural Networks）結(jié)合在一起形成的一種局部逼近的網(wǎng)絡(luò)，簡稱RBFNN。該網(wǎng)絡(luò)是具有單隱層的三層前饋神經(jīng)網(wǎng)絡(luò)，成為替代BP網(wǎng)絡(luò)的一種新型網(wǎng)絡(luò)，提出運(yùn)用RBFNN逼近定理和高斯函數(shù)（Gaussian）作為其隱節(jié)點(diǎn)的基函數(shù)，其具體的計(jì)算過程可以參考文獻(xiàn)[6]。本文以采購風(fēng)險(xiǎn)評(píng)價(jià)為實(shí)例，建立一個(gè)RBFNN網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，如圖2所示。

4 應(yīng)用算例

本算例以某工程項(xiàng)目水泥采購過程中收集的相關(guān)數(shù)據(jù)為樣本，運(yùn)用前述的評(píng)價(jià)方法進(jìn)行實(shí)例分析研究，來進(jìn)一步驗(yàn)證該方法的可行性和實(shí)用性。在實(shí)際工程中，由于原料市場(chǎng)的不可預(yù)見性，采購過程中應(yīng)根據(jù)采購的對(duì)象不同和所處的環(huán)境不同，建立適當(dāng)?shù)娘L(fēng)險(xiǎn)指標(biāo)體系，不斷收集相關(guān)數(shù)據(jù)，訓(xùn)練和優(yōu)化網(wǎng)絡(luò)模型，為EPCM管理企業(yè)更科學(xué)地、合理地做出采購決策提供依據(jù)。

4.1 RBFNN訓(xùn)練樣本的確定 本文以水泥采購為例，根據(jù)所建立的采購風(fēng)險(xiǎn)指標(biāo)體系，首先將不同的指標(biāo)進(jìn)行量化處理，這里約定，按風(fēng)險(xiǎn)指標(biāo)對(duì)采購的影響大小來確定風(fēng)險(xiǎn)取值標(biāo)準(zhǔn)，取值的范圍為0-1之間。對(duì)于評(píng)價(jià)輸出狀態(tài)值按下列進(jìn)行描述，“有利0.9-0.7；一般0.7-0.5；不利0.3；非常不利0.1”，在評(píng)價(jià)過程中，對(duì)RBFNN輸出值采取“最低合理可行（As low As Reasonably Practicable簡稱ALARP）”原則進(jìn)行評(píng)判，判斷輸出值所處的風(fēng)險(xiǎn)區(qū)間（金字塔），從而為項(xiàng)目采購提供理論依據(jù)。

首先，根據(jù)上述的準(zhǔn)則確定了20組采購樣本數(shù)據(jù)；其次，利用AHP確定TOPSIS中各采購風(fēng)險(xiǎn)的指標(biāo)權(quán)重值：W=（0.128，0.385，0.028，0.117，0.081，0.099，0.049，0.028，

0.085）；再運(yùn)用改進(jìn)的TOPSIS法剔除遠(yuǎn)離實(shí)際值較遠(yuǎn)的調(diào)查值，按照優(yōu)先順序得到10組數(shù)據(jù)作為RBFNN訓(xùn)練樣本數(shù)據(jù)，其中2組（樣本9、10）為檢驗(yàn)樣本，以檢驗(yàn)?zāi)Ｐ偷挠?xùn)練效果。優(yōu)化后的訓(xùn)練樣本見表1。

4.2 檢驗(yàn)結(jié)果分析與評(píng)價(jià) 經(jīng)過8組樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，確定隱含層節(jié)點(diǎn)個(gè)數(shù)為6，使網(wǎng)絡(luò)不斷修正輸出權(quán)值，不斷地逼近一個(gè)函數(shù)，保證模型滿足訓(xùn)練要求。最后選擇編號(hào)為9號(hào)、10號(hào)樣本進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果及評(píng)價(jià)結(jié)果如表2所示。

結(jié)果數(shù)據(jù)顯示，網(wǎng)絡(luò)輸出值與目標(biāo)值之間很接近，表明網(wǎng)絡(luò)模型訓(xùn)練達(dá)到了要求，樣本9和樣本10產(chǎn)生的離散誤差率分別為0.17%和0.05%均在允許范圍內(nèi)。而狀態(tài)值都位于有利（0.9-0.7）數(shù)字之間，評(píng)定結(jié)論表明該水泥材料有利于采購，表明采購過程中的風(fēng)險(xiǎn)對(duì)項(xiàng)目的實(shí)施不會(huì)產(chǎn)生影響，可見運(yùn)用TOPSIS和RBFNN相結(jié)合的方法具有一定的科學(xué)評(píng)價(jià)性。

5 結(jié)論

本文根據(jù)相關(guān)文獻(xiàn)資料，結(jié)合EPCM項(xiàng)目模式及采購方式特點(diǎn)，對(duì)采購過程中各種風(fēng)險(xiǎn)因素，進(jìn)行了風(fēng)險(xiǎn)的重要度優(yōu)選。在此基礎(chǔ)上，構(gòu)建了EPCM項(xiàng)目采購風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。鑒于RBFNN神經(jīng)網(wǎng)絡(luò)有效的非線性評(píng)價(jià)能力，以及良好的擬合結(jié)果，在提出了比較全面的評(píng)價(jià)指標(biāo)體系的情況下，結(jié)合工程算例，運(yùn)用TOPSIS和RBFNN相結(jié)合的方法進(jìn)行了實(shí)證分析，系統(tǒng)地驗(yàn)證了該方法的可行性、有效性和準(zhǔn)確性，對(duì)于其他采購風(fēng)險(xiǎn)的評(píng)價(jià)有著重要的借鑒意義。

參考文獻(xiàn)：

[1]Han Chuan feng， Xia chao yang. Information management of mega-construction projects [J]. Journal of Tong ji University （Social Science Section），2006，17（2）：112-116.

[2]R Vrijhoef， L Koskela. “The four roles of supply chain management in construction”[J]. Journal of Purchasing & Supply Management，2000（6）：169-178.

[3]余雁，梁樑.多指標(biāo)決策TOPSIS方法的進(jìn)一步探討[J].系統(tǒng)工程，2003，021（002）：98-101.

[4]Martin T. Hagan Howard B. Demuth.神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)[M].北京：機(jī)械工業(yè)出版社，2001.endprint

3.1 TOPSIS優(yōu)選RBF輸入值 TOPSIS是一種逼近于理想解的排序方法，即（Technique for Order Preference by Similarity Ideal Solution 簡稱TOPSIS）。該方法是建立在所選擇的方案與理想方案的差距最小并且與負(fù)理想解差距最大的理論上?；诮?jīng)過歸一化處理的原始數(shù)據(jù)矩陣，構(gòu)建出一個(gè)空間并獲得正理想解和負(fù)理想解，每個(gè)待選方案是這個(gè)空間中的一個(gè)點(diǎn)，最后的綜合評(píng)價(jià)是基于每個(gè)方案與理想方案的歐幾里得（Euclid）距離進(jìn)行由小到大排序，距離最小者為最優(yōu)方案。根據(jù)以上理論，本文采用改進(jìn)后的TOPSIS方法。從而計(jì)算出每組調(diào)查值與平均值的距離，摒棄距離實(shí)際指標(biāo)值較遠(yuǎn)的數(shù)據(jù)，保留具有代表性的數(shù)據(jù)以此作為RBF神經(jīng)網(wǎng)絡(luò)輸入層的輸入值，具體計(jì)算過程及賦權(quán)方法參考文獻(xiàn)[5]。

3.2 RBFNN評(píng)價(jià)原理 將基于徑向基函數(shù)（Radial Basis Function 簡稱RBF）與神經(jīng)網(wǎng)絡(luò)（Neural Networks）結(jié)合在一起形成的一種局部逼近的網(wǎng)絡(luò)，簡稱RBFNN。該網(wǎng)絡(luò)是具有單隱層的三層前饋神經(jīng)網(wǎng)絡(luò)，成為替代BP網(wǎng)絡(luò)的一種新型網(wǎng)絡(luò)，提出運(yùn)用RBFNN逼近定理和高斯函數(shù)（Gaussian）作為其隱節(jié)點(diǎn)的基函數(shù)，其具體的計(jì)算過程可以參考文獻(xiàn)[6]。本文以采購風(fēng)險(xiǎn)評(píng)價(jià)為實(shí)例，建立一個(gè)RBFNN網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，如圖2所示。

4 應(yīng)用算例

本算例以某工程項(xiàng)目水泥采購過程中收集的相關(guān)數(shù)據(jù)為樣本，運(yùn)用前述的評(píng)價(jià)方法進(jìn)行實(shí)例分析研究，來進(jìn)一步驗(yàn)證該方法的可行性和實(shí)用性。在實(shí)際工程中，由于原料市場(chǎng)的不可預(yù)見性，采購過程中應(yīng)根據(jù)采購的對(duì)象不同和所處的環(huán)境不同，建立適當(dāng)?shù)娘L(fēng)險(xiǎn)指標(biāo)體系，不斷收集相關(guān)數(shù)據(jù)，訓(xùn)練和優(yōu)化網(wǎng)絡(luò)模型，為EPCM管理企業(yè)更科學(xué)地、合理地做出采購決策提供依據(jù)。

4.1 RBFNN訓(xùn)練樣本的確定 本文以水泥采購為例，根據(jù)所建立的采購風(fēng)險(xiǎn)指標(biāo)體系，首先將不同的指標(biāo)進(jìn)行量化處理，這里約定，按風(fēng)險(xiǎn)指標(biāo)對(duì)采購的影響大小來確定風(fēng)險(xiǎn)取值標(biāo)準(zhǔn)，取值的范圍為0-1之間。對(duì)于評(píng)價(jià)輸出狀態(tài)值按下列進(jìn)行描述，“有利0.9-0.7；一般0.7-0.5；不利0.3；非常不利0.1”，在評(píng)價(jià)過程中，對(duì)RBFNN輸出值采取“最低合理可行（As low As Reasonably Practicable簡稱ALARP）”原則進(jìn)行評(píng)判，判斷輸出值所處的風(fēng)險(xiǎn)區(qū)間（金字塔），從而為項(xiàng)目采購提供理論依據(jù)。

首先，根據(jù)上述的準(zhǔn)則確定了20組采購樣本數(shù)據(jù)；其次，利用AHP確定TOPSIS中各采購風(fēng)險(xiǎn)的指標(biāo)權(quán)重值：W=（0.128，0.385，0.028，0.117，0.081，0.099，0.049，0.028，

0.085）；再運(yùn)用改進(jìn)的TOPSIS法剔除遠(yuǎn)離實(shí)際值較遠(yuǎn)的調(diào)查值，按照優(yōu)先順序得到10組數(shù)據(jù)作為RBFNN訓(xùn)練樣本數(shù)據(jù)，其中2組（樣本9、10）為檢驗(yàn)樣本，以檢驗(yàn)?zāi)Ｐ偷挠?xùn)練效果。優(yōu)化后的訓(xùn)練樣本見表1。

4.2 檢驗(yàn)結(jié)果分析與評(píng)價(jià) 經(jīng)過8組樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，確定隱含層節(jié)點(diǎn)個(gè)數(shù)為6，使網(wǎng)絡(luò)不斷修正輸出權(quán)值，不斷地逼近一個(gè)函數(shù)，保證模型滿足訓(xùn)練要求。最后選擇編號(hào)為9號(hào)、10號(hào)樣本進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果及評(píng)價(jià)結(jié)果如表2所示。

結(jié)果數(shù)據(jù)顯示，網(wǎng)絡(luò)輸出值與目標(biāo)值之間很接近，表明網(wǎng)絡(luò)模型訓(xùn)練達(dá)到了要求，樣本9和樣本10產(chǎn)生的離散誤差率分別為0.17%和0.05%均在允許范圍內(nèi)。而狀態(tài)值都位于有利（0.9-0.7）數(shù)字之間，評(píng)定結(jié)論表明該水泥材料有利于采購，表明采購過程中的風(fēng)險(xiǎn)對(duì)項(xiàng)目的實(shí)施不會(huì)產(chǎn)生影響，可見運(yùn)用TOPSIS和RBFNN相結(jié)合的方法具有一定的科學(xué)評(píng)價(jià)性。

5 結(jié)論

本文根據(jù)相關(guān)文獻(xiàn)資料，結(jié)合EPCM項(xiàng)目模式及采購方式特點(diǎn)，對(duì)采購過程中各種風(fēng)險(xiǎn)因素，進(jìn)行了風(fēng)險(xiǎn)的重要度優(yōu)選。在此基礎(chǔ)上，構(gòu)建了EPCM項(xiàng)目采購風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。鑒于RBFNN神經(jīng)網(wǎng)絡(luò)有效的非線性評(píng)價(jià)能力，以及良好的擬合結(jié)果，在提出了比較全面的評(píng)價(jià)指標(biāo)體系的情況下，結(jié)合工程算例，運(yùn)用TOPSIS和RBFNN相結(jié)合的方法進(jìn)行了實(shí)證分析，系統(tǒng)地驗(yàn)證了該方法的可行性、有效性和準(zhǔn)確性，對(duì)于其他采購風(fēng)險(xiǎn)的評(píng)價(jià)有著重要的借鑒意義。

參考文獻(xiàn)：

[1]Han Chuan feng， Xia chao yang. Information management of mega-construction projects [J]. Journal of Tong ji University （Social Science Section），2006，17（2）：112-116.

[2]R Vrijhoef， L Koskela. “The four roles of supply chain management in construction”[J]. Journal of Purchasing & Supply Management，2000（6）：169-178.

[3]余雁，梁樑.多指標(biāo)決策TOPSIS方法的進(jìn)一步探討[J].系統(tǒng)工程，2003，021（002）：98-101.

[4]Martin T. Hagan Howard B. Demuth.神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)[M].北京：機(jī)械工業(yè)出版社，2001.endprint