基于BP 神經(jīng)網(wǎng)絡(luò)的公路建設(shè)項目投資風(fēng)險評價研究*

馬力 畢詩晗 吳崢 楊焱玲

(1. 大連理工大學(xué)商學(xué)院，遼寧 盤錦 124221;2. 大連理工大學(xué)建設(shè)管理系，遼寧 大連 116024)

0 引言

公路建設(shè)項目從立項、設(shè)計、施工到運(yùn)營的全生命周期中存在著大量不確定因素，能否安全收回投資關(guān)系到對項目可能遇到的風(fēng)險進(jìn)行識別、評價、監(jiān)控和應(yīng)對的過程，其中風(fēng)險評價是承上啟下的重要環(huán)節(jié)。國內(nèi)學(xué)者大多運(yùn)用層次分析法、模糊綜合評價法、灰色理論等方法建立風(fēng)險評價模型，基于人工神經(jīng)網(wǎng)絡(luò)方法的研究較少。人工神經(jīng)網(wǎng)絡(luò)與計算機(jī)相結(jié)合，可完成較復(fù)雜的建模過程，使整個風(fēng)險評價過程實現(xiàn)智能化，還有較好的抗干擾能力和學(xué)習(xí)能力。本文基于BP 神經(jīng)網(wǎng)絡(luò)理論，使用Matlab 軟件神經(jīng)網(wǎng)絡(luò)工具箱構(gòu)建模型，進(jìn)行公路建設(shè)項目投資風(fēng)險評價研究，并應(yīng)用在實際工作中，驗證其具有較好的使用效果。

1 公路建設(shè)項目風(fēng)險評價指標(biāo)體系

本文使用德爾菲法向有關(guān)專家進(jìn)行咨詢，根據(jù)調(diào)查結(jié)果，影響公路建設(shè)項目投資效益的因素大致包括以下六大方面:

(1)政治風(fēng)險。主要指由于政策法規(guī)(土地政策、產(chǎn)業(yè)政策、金融政策、城市規(guī)劃等)不穩(wěn)定不連續(xù)、政局不穩(wěn)定、戰(zhàn)爭和罷工引起的社會動蕩及其導(dǎo)致投資損失的情況。根據(jù)目前國情，上述風(fēng)險中后兩類發(fā)生的概率很小，因此，本評價體系僅考慮政策法規(guī)風(fēng)險。

(2)經(jīng)濟(jì)風(fēng)險。主要指由于宏觀經(jīng)濟(jì)環(huán)境、市場環(huán)境和融資環(huán)境(稅率、匯率、銀行利率及其他投資收益率)變動影響項目投資效益的風(fēng)險。

(3)項目管理風(fēng)險。在項目實施全過程中能否建立起規(guī)范、高效的運(yùn)作體系，采取行之有效的管理手段，直接關(guān)系到公路建設(shè)投資回收的安全性。公路建設(shè)項目啟動階段主要受合同管理風(fēng)險的影響，實施和收尾階段主要涉及人力資源、質(zhì)量、成本、安全、工期等方面的管理風(fēng)險。上述風(fēng)險因素都屬于項目管理范疇，故概括為項目管理風(fēng)險。

(4)技術(shù)風(fēng)險。技術(shù)是工程項目實施的基礎(chǔ)。公路建設(shè)項目中勘察設(shè)計的準(zhǔn)確性與科學(xué)性是最重要的，出現(xiàn)誤差導(dǎo)致的后果往往是最嚴(yán)重的;此外，很多特殊地段的公路建設(shè)隱含著各種未知的施工技術(shù)難度，發(fā)生事故的例子不計其數(shù);建設(shè)過程的進(jìn)度和質(zhì)量也易受設(shè)備故障的影響。故技術(shù)風(fēng)險包括勘察設(shè)計風(fēng)險、設(shè)備故障風(fēng)險、施工技術(shù)難度風(fēng)險等。

(5)環(huán)境風(fēng)險。對于公路建設(shè)項目來說，不良的天氣條件、水文地質(zhì)條件等自然環(huán)境會在很大程度上影響施工的進(jìn)度和技術(shù)難度。社會環(huán)境問題，如拆遷問題，當(dāng)?shù)厝罕娛欠衽浜虾椭С忠矔绊戫椖空＿M(jìn)行。故環(huán)境風(fēng)險包括水文地質(zhì)條件、天氣、社會環(huán)境風(fēng)險等三類。

(6)營運(yùn)風(fēng)險。公路項目竣工完成后，營運(yùn)環(huán)節(jié)的收費(fèi)風(fēng)險會影響該項目的盈利能力，主要來自收費(fèi)價格高低和時間長短兩方面因素。公路營運(yùn)管理的狀況，包括配套服務(wù)設(shè)施的情況、服務(wù)人員的素質(zhì)和態(tài)度等，會影響到顧客滿意度，從而影響營運(yùn)收入;公路建成后的維護(hù)保養(yǎng)是一個涉及生命周期的問題，會受到多方不確定因素的影響。所以營運(yùn)風(fēng)險主要的風(fēng)險因素包括收費(fèi)風(fēng)險、營運(yùn)管理風(fēng)險和維護(hù)保養(yǎng)風(fēng)險。

根據(jù)上述分析，建立評價指標(biāo)體系如圖1所示。

圖1 公路建設(shè)項目風(fēng)險評價指標(biāo)體系

2 BP 神經(jīng)網(wǎng)絡(luò)模型

基于公路建設(shè)項目投資風(fēng)險評價指標(biāo)的非線性特征，本文選用BP (Back Propagation)神經(jīng)網(wǎng)絡(luò)方法來進(jìn)行風(fēng)險評價。作為當(dāng)前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一，其主要優(yōu)點(diǎn)在于它模擬人腦神經(jīng)系統(tǒng)的某些特性，通過信息的分布式存儲和并行協(xié)同處理，實現(xiàn)從輸入到輸出的非線性復(fù)雜映射，具有強(qiáng)大的非線性函數(shù)逼近的能力。其基本原理此處不再贅述。BP 神經(jīng)網(wǎng)絡(luò)模型主要包括輸入層、隱層神經(jīng)元數(shù)和輸出層的設(shè)計，主要步驟如下:

2.1 輸入層的設(shè)計

BP 神經(jīng)網(wǎng)絡(luò)中輸入層的節(jié)點(diǎn)數(shù)一般由特征向量的維數(shù)所決定，因此選取適當(dāng)?shù)奶卣飨蛄渴浅晒Φ牡谝徊?。在公路建設(shè)項目投資風(fēng)險評價中，特征向量即是可能存在的風(fēng)險因素。用(X，X，X，…，X)來表示n 維的特征向量，該評價中輸入層的節(jié)點(diǎn)數(shù)為n，其中每一個分量代表一個風(fēng)險因子，由專家評定確定每個輸入向量的數(shù)值。

2.2 隱層神經(jīng)元數(shù)設(shè)計

隱層神經(jīng)元數(shù)量是決定神經(jīng)網(wǎng)絡(luò)能否成功構(gòu)建的關(guān)鍵因素。隱層神經(jīng)元數(shù)過少，神經(jīng)網(wǎng)絡(luò)無法獲取足夠的信息來完成較為復(fù)雜的運(yùn)算;隱層神經(jīng)元數(shù)過多，會使網(wǎng)絡(luò)發(fā)生過度訓(xùn)練，出現(xiàn)過度擬合問題，還會降低訓(xùn)練效率。由于隱層神經(jīng)元數(shù)難以直接由計算得到，需要通過不斷的數(shù)據(jù)測試才能得到一個相對接近實際的估算值，因此，本文選用了一種較為常見的方法——試湊法來確定隱層神經(jīng)元數(shù)。試湊法是先根據(jù)使用者的經(jīng)驗，設(shè)置某個數(shù)量的隱層神經(jīng)元訓(xùn)練網(wǎng)絡(luò)，然后逐漸增加或減少隱層神經(jīng)元數(shù)量，并用同一樣本集進(jìn)行訓(xùn)練，從中確定誤差最小時對應(yīng)的神經(jīng)元數(shù)量。在粗略確定隱層節(jié)點(diǎn)估計值時，可參考以下幾條經(jīng)驗:

(1)m=log2n，n 為輸入層節(jié)點(diǎn)數(shù)，m 為隱層節(jié)點(diǎn)數(shù)。

2.3 輸出層的設(shè)計

在BP 神經(jīng)網(wǎng)絡(luò)模型中，輸出向量的維數(shù)一般是由輸出信息的類別決定的，根據(jù)輸出的數(shù)值，可實現(xiàn)對被評價指標(biāo)狀況的模糊判斷。本文將公路建設(shè)項目投資風(fēng)險等級劃分為低、較低、一般、較高、高五個等級，各等級對應(yīng)的區(qū)間值見表1。

表1 公路建設(shè)項目投資風(fēng)險等級及對應(yīng)的區(qū)間值

3 應(yīng)用實例

JL 高速公路項目是國家高速公路網(wǎng)絡(luò)中泉州—南寧線內(nèi)的一段，位于江西省吉安市和萍鄉(xiāng)市行政區(qū)域內(nèi)。該項目由江西TD 公司2010 年通過公開招標(biāo)方式中標(biāo)承建?？偼顿Y估算約為42億元人民幣。

3.1 樣本的選取

選取該省內(nèi)8 條已建類似公路項目作為BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和檢測樣本，由15 位專家對每個風(fēng)險評價指標(biāo)做出五個等級(低、風(fēng)險低、一般、較高、高)的判斷，其對應(yīng)的區(qū)間值為: ［0，0.2)、 ［0.2，0.4)、 ［0.4，0.6)、［0.6，0.8)、 ［0.8，1.0］，統(tǒng)計對某指標(biāo)選擇各風(fēng)險等級的專家人數(shù)，設(shè)其百分比為A1、A2、A3、A4、A5，各風(fēng)險等級區(qū)間的組中值為0.1、0.3、0.5、0.7、0.9，則該指標(biāo)的評價值為

B=0.1A1+0.3A2+0.5A3+0.7A4+0.9A5

3.2 使用Matlab 神經(jīng)網(wǎng)絡(luò)工具箱建立BP 神經(jīng)網(wǎng)絡(luò)模型

本文用Matlab 軟件神經(jīng)網(wǎng)絡(luò)工具箱構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，建模參數(shù)設(shè)置步驟如下:

(1)輸入層節(jié)點(diǎn)的確定?；谠u價指標(biāo)體系，將圖1 中的19 個風(fēng)險指標(biāo)變量作為輸入節(jié)點(diǎn)。

(2)隱層神經(jīng)元數(shù)的確定。具有1 個隱含層的神經(jīng)網(wǎng)絡(luò)能夠以任意精度表示任何連續(xù)函數(shù)，因此本文將隱含層設(shè)置為一層。分別對隱層神經(jīng)元數(shù)量為9、10、11、12、13 的網(wǎng)絡(luò)進(jìn)行測試，結(jié)果顯示隱層神經(jīng)元數(shù)量為12 時誤差最小，由此確定本模型隱含層神經(jīng)元數(shù)為12，具體數(shù)值詳見表2。

表2 誤差對照表

(3)BP 神經(jīng)網(wǎng)絡(luò)模型的建立。輸出層節(jié)點(diǎn)數(shù)設(shè)為1 個，輸出結(jié)果為項目投資風(fēng)險值。將8個樣本數(shù)據(jù)統(tǒng)一量綱，將計算結(jié)果輸入網(wǎng)絡(luò)。選前6 個樣本為訓(xùn)練樣本，后2 個樣本為測試樣本。具體數(shù)值如下:

由此，一個19*12*1 的神經(jīng)網(wǎng)絡(luò)風(fēng)險分析模型就建立起來，即19 個輸入節(jié)點(diǎn)，12 個隱層神經(jīng)元，1 個輸出節(jié)點(diǎn)。模型建立過程如圖2所示。

圖2 BP 神經(jīng)網(wǎng)絡(luò)模型的建立

然后設(shè)置主要訓(xùn)練參數(shù)，將訓(xùn)練函數(shù)設(shè)置為trainlm 函數(shù)，權(quán)值調(diào)節(jié)規(guī)則設(shè)置為learngdm 函數(shù)，網(wǎng)絡(luò)層數(shù)設(shè)置為3，性能函數(shù)設(shè)置為mse 函數(shù)，各層傳遞函數(shù)類型設(shè)置為trainsig，期望誤差設(shè)置為s =0. 000010，點(diǎn)擊training 訓(xùn)練網(wǎng)絡(luò)，訓(xùn)練過程如圖3 所示。

圖3 BP 神經(jīng)網(wǎng)絡(luò)工具箱的訓(xùn)練過程

由圖3 可知，當(dāng)網(wǎng)絡(luò)訓(xùn)練至第4 步時，誤差達(dá)標(biāo)，完成訓(xùn)練，誤差值為1.82e-13。

(4)模型的檢測。將第7、第8 兩個樣本的指標(biāo)值數(shù)據(jù)輸入已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，得出相應(yīng)的風(fēng)險值，并將輸出結(jié)果與這兩個樣本的實際數(shù)值進(jìn)行對比，詳細(xì)實驗結(jié)果見表3。

從表3 可以看出，由模型計算得出的輸出結(jié)果與實際數(shù)據(jù)十分接近，接下來就是要確定誤差是否是在設(shè)定的誤差范圍之內(nèi)。因此，本文繪制了輸出結(jié)果與實際數(shù)據(jù)的誤差對比圖和誤差的梯度變化曲線，詳見圖4、圖5。

圖4 輸出結(jié)果與實際數(shù)據(jù)的誤差對比圖

圖5 誤差的梯度變化曲線圖

表3 輸出結(jié)果

由圖4 和圖5 可以看出，該網(wǎng)絡(luò)模型迭代四次之后，誤差滿足設(shè)定標(biāo)準(zhǔn)，達(dá)到預(yù)期目標(biāo)。

(5)風(fēng)險等級的確定及結(jié)果分析。將搜集到的JL 高速公路項目指標(biāo)數(shù)據(jù)進(jìn)行量綱化計算，得到R = (0.18，0.526 4，0.34，0.5，0.18，0.38，0.553 4，0.62，0.526 6，0.66，0.54，0.58，0.3，0.433 2，0.340 2，0.42，0.406 6，0.42，0.5)，代入經(jīng)檢測過的神經(jīng)網(wǎng)絡(luò)，得到輸出結(jié)果為0.407 7，對應(yīng)區(qū)間為［0.4，0.6)，風(fēng)險等級為一般。與之前根據(jù)專家打分計算出的風(fēng)險評價結(jié)果相符，可見本文構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型可實際應(yīng)用于公路建設(shè)項目的投資風(fēng)險評價，為管理者提供決策支持。

4 結(jié)語

本文結(jié)合我國公路建設(shè)的實際，使用德爾菲法確立了由19 個要素組成的公路建設(shè)項目投資風(fēng)險評價指標(biāo)體系。根據(jù)風(fēng)險指標(biāo)的非線性特征，使用Matlab 軟件的BP 神經(jīng)網(wǎng)絡(luò)工具箱建立了評價模型。并用于評價江西省JL 高速公路項目的投資風(fēng)險，得到評價結(jié)論與之前由相關(guān)專家打分得到的結(jié)果一致，驗證了方法的可行性，可為公路建設(shè)項目風(fēng)險管理提供決策支持。但限于研究條件原因，本文選用的樣本數(shù)量較少，繼續(xù)增加樣本數(shù)量，減少調(diào)查誤差，增強(qiáng)樣本代表性，建立公路建設(shè)項目風(fēng)險管理實時數(shù)據(jù)庫，將是下一階段研究重點(diǎn)。

［1］ 張立明. 人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用［M］. 上海:復(fù)旦大學(xué)出版社，1993.

［2］ 羅成漢. 基于MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱的BP 網(wǎng)絡(luò)實現(xiàn)［J］. 計算機(jī)仿真，2004，21 (5):109-115.

［3］ 張中昱. 基于BP 神經(jīng)網(wǎng)絡(luò)和模糊綜合評價的環(huán)境分析評價系統(tǒng)［D］. 天津:天津大學(xué)，2006. PMT