基于專家未知權重群決策FANP和SVM的煤炭企業(yè)管理信息化項目建設風險評估

陳紅軍劉 波任 鑫

（1.中國礦業(yè)大學（北京），北京市海淀區(qū)，100083；2.中國誠通控股集團有限公司，北京市豐臺區(qū)，100070）

基于專家未知權重群決策FANP和SVM的煤炭企業(yè)管理信息化項目建設風險評估

陳紅軍1，2劉 波1任 鑫1

（1.中國礦業(yè)大學（北京），北京市海淀區(qū)，100083；2.中國誠通控股集團有限公司，北京市豐臺區(qū)，100070）

針對目前我國煤炭企業(yè)管理信息化項目建設風險因素多、風險因素之間存在復雜影響關系、歷史可供借鑒項目案例少的實際情況，提出了一種基于專家未知權重群決策模糊網絡分析法（FANP）和支持向量機（SVM）的煤炭企業(yè)管理信息化項目建設風險組合評估模型。該模型能夠有效將專家經驗變成系統(tǒng)內在知識，提升風險評估效率和質量，從而取得更好的評估效果，更加切合當前我國煤炭企業(yè)管理信息化項目建設現狀。

信息化項目 群決策 風險評估 模糊網絡分析法（FANP）支持向量機（SVM）

1　引言

當前，由于外部環(huán)境約束強化、市場需求增速放緩、超前產能過剩等因素影響，我國煤炭行業(yè)正處于深度結構調整攻堅期。我國煤炭企業(yè)多是從傳統(tǒng)經濟體制下轉型而來，原有管理模式比較粗放，通過加強管理信息化建設，煤炭企業(yè)可以提升生產運營效率，提高自身綜合管理水平，實現降本增效、增強市場競爭力、推進企業(yè)轉型升級的目標。目前，煤炭企業(yè)信息化建設主要集中于安全生產過程的信息化，管理信息化水平仍處于初級階段。相對安全生產信息化項目，煤炭企業(yè)管理信息化項目實施牽涉范圍廣、涉及風險因素多，項目實施更容易失敗。以ERP為例，根據資料，在實施ERP系統(tǒng)的煤炭企業(yè)中，一般只有10%～20%能夠按期、按預算實現系統(tǒng)集成，一般只有30%～40%的企業(yè)只實現部分功能，約50%的企業(yè)項目徹底失敗。為盡可能規(guī)避風險，煤炭企業(yè)有必要在管理信息化項目實施前，對項目建設風險進行有效的風險評估。從相關文獻看，近年來相關學者主要利用傳統(tǒng)分析和人工智能方法對風險評估領域進行研究，傳統(tǒng)方法主要包括決策樹法、層次分析法（AHP）、模糊綜合評判法等，這些方法有著深厚的理論基礎，在實踐中也有廣泛的應用；人工智能分析法包括神經網絡、灰色理論、貝葉斯網絡、熵理論等，智能方法的優(yōu)勢在于對評估專家主觀方面依賴程度較少，能夠在條件相對模糊或證據缺少的情況下，基于歷史信息對未來的風險做出更接近于真實值的評估。目前，綜合傳統(tǒng)分析和人工智能兩種方法對風險進行評估已成為該領域研究的重點，近年來也取得了不少成果，如馬麗儀等對模糊綜合評判法和神經網絡進行組合對信息系統(tǒng)安全風險進行評價研究、付鈺等利用模糊理論結合熵權和神經網絡組合對信息系統(tǒng)安全進行評估、趙剛等綜合多層次模糊綜合評判及熵權理論對信息安全風險進行評估。目前，我國煤炭企業(yè)管理信息化建設正處于初級階段，可借鑒的歷史項目案例較少，同時項目建設牽涉的風險因素較多，風險因素之間還存在復雜的影響關系?，F有的文獻研究較多地利用單一專家對風險因素權重進行評判，缺乏信息的全面性，同時缺乏對具有復雜影響關系風險因素權重的研究，所采用的智能分析方法也需要較多的歷史項目案例信息，評估方法不能很好地切合當前煤炭企業(yè)管理信息化現狀。基于此，本文創(chuàng)新性地提出了專家權重未知的FANP模型，并將其與SVM方法相結合，在依賴的數據樣本較少的前提下，取得了比原有的層次分析、熵權、神經網絡等方法更為客觀的效果，為煤炭企業(yè)管理信息化項目建設風險的有效評估提供了新的途徑和思路。

2　基于專家未知權重群決策FANP-SVM的煤炭企業(yè)管理信息化項目建設風險評估模型

2.1基本原理

2.1.1專家未知權重群決策

群決策是將多個專家決策集結為群體決策結果的過程。最優(yōu)群決策規(guī)則是體現群體成員決策的可能性最大，簡單來說就是盡可能讓大多數人滿意?；诖怂悸?，設在多屬性群決策問題中，決策專家集Z=｛z1，z2，…，zs｝，專家zk的權重為rk，其中專家zk給出規(guī)范化決策矩陣其中，n為備選方案個數，m為衡量方案優(yōu)劣的屬性向量個數。則群決策矩陣B=（bij）n×m可表示為:

基于TOPSIS方法，求取專家權重向量R的核心思想是使群決策點盡可能接近所有專家決策的中心位置。首先，取群決策的正、負理想點分別為:則專家zk與理想點的距離可表示為:

求解方程組

可得到專家權重向量R。

2.1.2網絡分析法

網絡分析法（ANP）是通過構建網絡結構模型，以求解關系復雜且量化不易問題的方法。ANP是在層次分析法（AHP）基礎上發(fā)展起來，典型ANP由控制層和網絡層組成，其中控制層元素由目標和決策準則組成，所有決策準則被認為是相互獨立的控制層元素，控制層可以沒有決策準則，但至少要有一個目標；網絡層由受控制層支配的元素組組成，元素組及內部元素可能存在相互作用和影響關系，如圖1所示。

設ANP控制層元素為P1，P2，…，Pm，網絡層元素組為C1，C2，…，CN，元素組Ci中的元素為ei1，ei2，…，eini（i=1，2，…，N）。以控制層Ps（s=1，2，…，m）為準則，以元素組Ci中元素eil（l=1，2，…，ni）為次準則，元素組Ci中其他元素對eil的優(yōu)勢度大小進行比較，構建判斷矩陣。通過優(yōu)勢度比較得出歸一化特征向量win，對win進行一致性檢驗，如檢驗通過，則win為網絡元素排序向量。相對于其他元素的排序向量可同理得到，從而形成矩陣Wij:

圖1　ANP基本結構

矩陣中，wij的列向量為Ci中元素ei1，ei2，…，eini對Cj中元素ej1，ej2，…，ejnj的重要程度排序向量，若Ci與Cj之間無影響，則Wij=0，可得到在元素Ps下的超矩陣W:

超矩陣W中，子塊Wij（i，j=1，2，…，N）為列歸一化的，但W卻是非歸一化的，因此以Ps為準則，將Ps下的各組元素對準則Cj的重要性比較，歸一化特征向量為:（a1j，a2j，…，aNj）T，若比較后無相互影響關系，則aij=0，對所有特征向量進行綜合得到權重矩陣A。

2.1.3SVM

SVM是一種基于統(tǒng)計學理論、在小樣本情況下能夠最大限度提高預測可靠性的方法。SVM具有嚴格的數學基礎，建立在結構風險最小化準則基礎上，其基本原理是尋找一個最優(yōu)分類面，使其對線性可分樣本的分類間隙最大。設n維空間中的樣本集合（xi，yi），i=1，2，…，l，xi∈Rn，y∈ ｛-1，1｝。該樣本集合的分類線方程為α·x+b=0，滿足

2.2基于專家未知權重群決策FANP-SVM的煤炭企業(yè)管理信息化項目建設風險評估模型

綜上所述，基于專家未知權重群決策FANPSVM的煤炭企業(yè)管理信息化項目建設風險評估方法的步驟如下（流程圖）所示:

（1）構建風險因素集與評判集。對項目建設風險進行系統(tǒng)識別，構建風險因素集C=（e1，e2，……en）和評判集V=（v1，v2，…vk），其中n為風險因素個數，k為對應評判集元素個數。風險識別可按照風險分解結構（RBS）方式進行分解，采用此方法同時有利于風險因素ANP結構模式的建立和求解。

（2）構建風險因素群決策FANP模型，求取風險因素權重。根據風險因素集C，分析因素之間影響關系，構建ANP模型，并建立“0.1～0.9標度”的因素模糊關系量化矩陣。選擇多位專家，分別進行評價，并按照多屬性未知權重群決策的方法，首先求出各專家權重，然后將加權平均值作為此元素關系量化的群決策值，再根據ANP過程，計算風險因素權重

（3）構建模糊集合和隸屬度矩陣。專家根據評判集V對風險因素C=（e1，e2，……en）進行評價，給出各風險因素評語，構造模糊映射f:C→F（V），Ui→f（Ui）=（ui1，ui2，…，uim）∈F（V）。其中，映射f表示風險因素C=（e1，e2，……en）對評判集中評語的支持程度。綜合多位專家的評價結果，計算風險因素集C對評判集V的隸屬向量Ui=（ui1，ui2，…，uim），得到隸屬度矩陣P=（pim）n×m。

（4）計算項目風險評估結果。對評判集V中各評語賦予相應的權重，得到指標權向量Q=（q1，q2，……qn），按照計算得到項目風險評估結果。

（5）SVM訓練和仿真。選取外部樣本案例，由專家進行風險評估，計算相應樣本的隸屬度矩陣，構建煤炭企業(yè)管理信息化SVM模型，將隸屬度矩陣中的元素值作為有限向量機模型的輸入向量，相應的項目風險評估結果作為風險評價的輸出結果，對SVM模型進行訓練，得到評估對象的風險值，并對風險進行評級，風險等級0～0.2為底，0.2～0.4為較低，0.4～0.6為中等，0.6～0.8為較高，0.8～1為高。

圖2　專家未知權重群決策FANP-SVM的風險評估流程

3　實例分析

煤炭企業(yè)管理信息化項目建設風險涉及4類風險，如圖3所示，分別為企業(yè)組織管理風險、C1系統(tǒng)軟件風險C2、項目團隊組織風險C3、項目培訓風險C4。

圖3　煤炭企業(yè)管理信息化項目建設風險結構分解圖（RBS）

3.1構建風險因素集及評判集

基于圖3，煤炭企業(yè)管理信息化建設總目標風險因素為P=｛C1，C2，C3，C4｝=｛企業(yè)組織管理風險，系統(tǒng)軟件風險，項目團隊組織風險，項目培訓風險｝。子目標風險因素集C1=｛e11，e12，e13，e14，e15，e16｝=｛對信息化認知不足，管理高層參與支持不足，流程再造變革難度大，企業(yè)信息化需求不明確，專業(yè)人力資源儲備不足，業(yè)務基礎管理不規(guī)范｝；C2=｛e21，e22｝=｛軟件實施商選擇不當，軟件技術性能不滿足要求｝；C3=｛e31，e32，e33，e34｝=｛項目團隊能力配備不合理，項目溝通體系運行不暢，項目團隊核心人員不穩(wěn)定，項目管理技能比較缺乏｝；C4=｛e41，e42｝=｛關鍵用戶缺乏參與，最終用戶培訓力度不足｝。因素集C1、C2、C3、C4之間兩兩相互影響，相同因素集中各個因素也相互影響（C2、C4中的元素相互獨立）。風險評判集為V=（v1，v2，v3，v4，v5）=｛低風險，較低風險，中等風險，較高風險，高風險｝。

3.2構建風險因素群決策FANP模型，計算風險因素的權重

選取4個專家，以煤炭企業(yè)管理信息化項目建設風險C為準則，以風險元素組Ci（i=1，2，3，4）為次準則，按照“0.1～0.9標度”進行兩兩比較，構造兩兩模糊比較矩陣。元素集Ci相對于元素集Cj的重要性為aij，如兩個元素集相互之間沒有影響，則aij為0。以元素集C1，C2，C3，C4為例，4個專家給出的判斷矩陣如表1所示。

表1　控制層專家判斷矩陣

根據專家權重計算的步驟，通過MATLAB遺傳算法工具箱經過多次迭代計算得到4位專家的權重分別為:0.431、0.252、0.179、0.138。通過圖4驗證，專家判斷矩陣的加權平均值，盡可能地靠近了每個專家決策的中心，能夠體現群決策的意義。

圖4　專家判斷矩陣加權驗證（RBS）

根據ANP的步驟，將上述專家判斷矩陣的加權平均判斷矩陣建立控制層超矩陣如表2所示，計算控制層極限超矩陣如表3所示。

表2　控制層超矩陣

表3　控制層極限超矩陣

同理計算網絡層超矩陣如表4所示、網絡層極限超矩陣如表5所示。

表4　網絡層超矩陣

指標　e11　e12　e13　e14　e15　e16　e31　e32　e33　e34e31　0　0　0　0　0　0　0.000　0.325　0.379　0.431 e32　0　0　0　0　0　0　0.379　0.000　0.331　0.325 e33　0　0　0　0　0　0　0.331　0.245　0.000　0.245 e34　0　0　0　0　0　0　0.289　0.431　0.289　0.000

表5　網絡層極限超矩陣

由于C2、C4中的元素相互獨立，且（e21，e22）與（e42，e42）的加權判斷矩陣相同。根據AHP方法計算e21/e41與e22/e42的指標權重分別為0.604和0.396。

對上述結果進行模糊關系合成，得到綜合權重如表6所示。

表6　綜合指標權重

3.3構建SVM模型訓練并仿真

通過MATLAB構建SVM模型，含14×5個輸入向量和1個輸出向量。并經過行業(yè)內調查，得到16個相似煤炭企業(yè)管理信息化項目建設的樣本數據，分別計算所選16個樣本項目的理論風險值與SVM預測風險值，將1～10組作為訓練組，11～15組作為測試組，16組進行預測。設定學習速率為0.05，誤差限制在0.001，同時相應地建立神經網絡模型作為對照，利用MATLAB軟件進行仿真訓練，直到總體誤差滿足要求，這時閥值向量就固定下來，成為系統(tǒng)內部知識。將預測組數據輸入訓練完成的SVM模型，得到擬建設項目總體風險數值為0.211，為較低風險，該風險等級可以作為指導項目風險人員采取風險對策的依據。表7為分別利用模糊理論的評估算法、SVM和神經網絡的訓練的結果。

圖5　樣本的理論值與預測值對照曲線

運用SVM與神經網絡預測方法，預測結果與樣本理論值對照曲線如圖5所示。圖6為SVM與神經網絡預測誤差對照，可以看出相比神經網絡方法，運用SVM在較少的樣本下可取得更快的收斂度和更高的精度逼近由模糊理論計算得到的風險值，從而驗證SVM模型在煤炭企業(yè)管理信息化項目建設風險評估中的優(yōu)越性。

表7　樣本的理論值與預測值

圖6　樣本預測誤差

4　結論

為提高風險評估的準確性，綜合多種方法，提出了基于專家未知權重群決策FANP和SVM的風險評估模型。一定意義上消除了風險評估過程中的專家偏見，并利用MATLAB軟件進行仿真實驗，對SVM的預測與神經網絡預測進行了對照，驗證了模型的有效性。

（1）提出了基于TOPSIS理論的專家群決策信息集結方法，一定意義上克服了專家主觀性偏見對評估結果的影響。

（2）應用SVM方法進行風險評估預測，通過與神經網絡的對比試驗可以看出，SVM方法能夠更快收斂，且精度較高，尤其是對于小樣本預測，該方法更加合理。

（3）煤炭企業(yè)管理信息化項目建設風險具有高度一致性的風險因素集，對于不同項目的風險評估，該模型具有很強的適用性。

［1］ 陳紅軍，劉波，任鑫.基于改進的WBS-RBS與FHAP方法的煤炭企業(yè)管理信息化項目建設關鍵風險識別［J］.中國煤炭，2015（6）

［2］ 譚章祿，方毅芳.基于信息化的煤炭企業(yè)管控模式研究［J］.中國礦業(yè)，2014（3）

［3］ 常金明.煤炭企業(yè)信息化研究綜述［J］.遼寧工程技術大學學報（自然科學版），2013（11）

［4］ 董曉波，張同建，譚章祿.我國煤炭企業(yè)ERP實施成功因素實證研究［J］.礦業(yè)研究與開發(fā)，2010（12）

［5］ 黃俐.北京地鐵盾構施工沉降風險機理研究及評價模型構建 ［D］.北京:中國礦業(yè)大學（北京），2012

［6］ 趙剛，劉換.基于多層次模糊綜合評判及熵權理論的實用風險評估 ［J］.清華大學學報（自然科學版），2012（10）

［7］ 馬麗儀，張露凡，楊宜，范蓓.基于模糊神經網絡方法的信息系統(tǒng)安全風險評價研究 ［J］.中國安全科學學報，2012（5）

［8］ 付鈺，吳曉平，王甲生.基于模糊—組合神經網絡的信息系統(tǒng)安全風險評估［J］.海軍工程大學學報，2010（2）

［9］ 陳紅軍，劉波，任鑫.基于解釋結構模型的煤炭企業(yè)管理信息化項目建設風險要素分析 ［J］.中國礦業(yè)，2015（8）

［10］ 王俊英，李德華.群決策專家權重自適應算法研究［J］.計算機應用研究，2011（2）

［11］ 陳曉紅，劉益凡.基于區(qū)間數群決策矩陣的專家權重確定方法及其算法實現［J］.系統(tǒng)工程與電子技術，2010（10）

［12］ 鐘登華，蔡紹寬，李玉欽.基于網絡分析法（ANP）的水電工程風險分析及其應用［J］.水力發(fā)電學報，2008（2）

［13］ 賈俊峰，梁青槐.WBS-RBS與AHP方法在土建工程施工安全風險評估中的應用［J］.中國安全科學學報，2005（7）

Risk assessment of coal enterprise management IT project construction based on experts'unknown weight group decision FANP and SVM

Chen Hongjun1，2，Liu Bo1，Ren Xin1
（1.China University of Mining and Technology，Beijing，Haidian，Beijing 100083，China；2.China Chengtong Holdings Group Ltd.，Fengtai，Beijing 100070，China）

In view of actual situation that China coal enterprises have many risk factors with complex influence relationship in management IT project construction at present and can learn from few project cases，the paper puts forward risk portfolio assessment model of coal enterprise management IT project construction based on experts'unknown weight group decision FANP and SVM.Combination model proposed in this paper can effectively change expert experience into internal system knowledge，promote risk assessment efficiency and quality，achieve better assessment effect，and be more suited to the status quo of China coal enterprise management IT project construction.

IT project，group decision，risk assessment，FANP，SVM

F270.7 F426

A

陳紅軍（1974-），男，江蘇鹽城人，項目經理，工程師，博士研究生，研究方向為工程管理信息化、企業(yè)信息化。

（責任編輯 溫子伯）

國家自然科學基金（41472259），北京市自然科學基金（4133085）