基于組合賦權(quán)與貝葉斯模型的建設(shè)風(fēng)險評價

陳蓉

（陜西國防工業(yè)職業(yè)技術(shù)學(xué)院建筑與熱能工程學(xué)院，陜西戶縣 710300）

基于組合賦權(quán)與貝葉斯模型的建設(shè)風(fēng)險評價

陳蓉

（陜西國防工業(yè)職業(yè)技術(shù)學(xué)院建筑與熱能工程學(xué)院，陜西戶縣 710300）

針對傳統(tǒng)工程建設(shè)質(zhì)量風(fēng)險評價中存在的不確定性，提出一種基于灰色關(guān)聯(lián)算法和貝葉斯模型的工程風(fēng)險挖掘與評價算法。運(yùn)用組合賦權(quán)的灰色關(guān)聯(lián)法從工程項目中挖掘質(zhì)量風(fēng)險因素，并對這些因素進(jìn)行順序排序。在得到的風(fēng)險權(quán)重指標(biāo)中引入?yún)^(qū)間數(shù)，通過可能度矩陣對貝葉斯模型借助模型概率進(jìn)行修正，實現(xiàn)對不同施工方案的整體質(zhì)量評價。最后，以湖南常張高速作為背景，應(yīng)用Matlab軟件對評價算法進(jìn)行可行性驗證。

灰色關(guān)聯(lián)法；貝葉斯模型；工程項目；風(fēng)險評價；算法

隨著現(xiàn)代計算機(jī)技術(shù)的不斷發(fā)展，信息技術(shù)開始逐步應(yīng)用到各個領(lǐng)域之中，為各領(lǐng)域的發(fā)展奠定了堅實的基礎(chǔ)。而在工程建設(shè)中，對于質(zhì)量風(fēng)險的識別和判斷，通常具有較大的主觀性。風(fēng)險評估是從施工源頭查清風(fēng)險因素，合理確定風(fēng)險等級，但當(dāng)前在對項目風(fēng)險評估中，大部分都是依靠專家經(jīng)驗打分。即便存在對數(shù)據(jù)的客觀分析，但很多都是以大量的數(shù)據(jù)作為基礎(chǔ)，并很難將不同的數(shù)據(jù)指標(biāo)進(jìn)行量化處理。因此，如何利用現(xiàn)代信息技術(shù)，從有限的信息中提取和分析不確定性的風(fēng)險，并客觀地進(jìn)行分析是本文研究的重點(diǎn)。對此，本文提出一種基于灰色關(guān)聯(lián)和貝葉斯模型算法，就如何實現(xiàn)功能風(fēng)險評估進(jìn)行探討。

一、研究思路

結(jié)合相關(guān)算法，本文對工程建設(shè)項目的風(fēng)險評價中，首先采用主觀和客觀組合的方式對風(fēng)險因素進(jìn)行識別；其次，利用引入?yún)^(qū)間定義數(shù)，利用可能度矩陣求解排序向量，并利用貝葉斯模型的概率修正能力，對計算誤差與實際誤差進(jìn)行修正，從而提高風(fēng)險評價的質(zhì)量。具體思路則（如下圖所示）。

本文研究思路設(shè)計圖

二、基于灰色關(guān)聯(lián)算法的權(quán)重識別

（一）傳統(tǒng)灰色關(guān)聯(lián)算法

作為一種常用的多因素關(guān)聯(lián)分析方法，通常對序列之間的幾何相似度進(jìn)行計算，從而作為主要的評價參照。因此，在該算法中，首先會在大量的數(shù)據(jù)中找到其可參考的序列，通常的方法是找一個極值序列X0j={X01，X02，……，X0m}作為參考，其余序列則作為比較序列Xij={Xi1，Xi2，……，Xij}。由此，可得到灰關(guān)聯(lián)系數(shù)εij的計算公式為：

其中，灰色關(guān)聯(lián)度為：

（二）灰色關(guān)聯(lián)算法的改進(jìn)

在公式（2）中，分辨系數(shù)ρ的主要作用是數(shù)據(jù)中出現(xiàn)的異常值，從而給關(guān)聯(lián)度計算結(jié)果帶來的誤差。通常，在對灰色關(guān)聯(lián)算法的應(yīng)用中，將ρ的值設(shè)定為0.5，但設(shè)定該值通常沒有考慮數(shù)值本身具備的特征，從而削弱了該系數(shù)的作用。因此，本文結(jié)合上述的研究，提出一種組合賦權(quán)的方法，即將專家的評定作為主觀權(quán)重a，將客觀風(fēng)險定義為權(quán)重β。

而對于β值的計算，本文則采用變異系數(shù)法，其具體的計算為：

1.根據(jù)數(shù)據(jù)信息，構(gòu)造一個指標(biāo)矩陣Y=（Yi）jnm。其中，n、m分別為評價對象和指標(biāo)的數(shù)量。

2.根據(jù)上述構(gòu)建的指標(biāo)矩陣，計算不同指標(biāo)的均值及其標(biāo)準(zhǔn)差s（j），具體計算為：

3.利用前面的計算結(jié)果，計算指標(biāo)的標(biāo)準(zhǔn)差系數(shù)，將計算的結(jié)果采用歸一化的方式處理，從而得到各個不同指標(biāo)的客觀權(quán)重：

因此，通過主觀和客觀的權(quán)重計算后，可得到組合賦權(quán)，計算公式為：

三、基于貝葉斯模型的風(fēng)險評價模型

當(dāng)前，在建設(shè)工程項目的信息化管理中，大部分還是基于建設(shè)經(jīng)驗來判定，但這種方式很難客觀的評價風(fēng)險。因此，本文引入貝葉斯模型，在對風(fēng)險進(jìn)行識別的基礎(chǔ)上，還需要對風(fēng)險指標(biāo)的權(quán)重進(jìn)行進(jìn)一步的排序和修正，從而提高方案風(fēng)險評價的質(zhì)量。

（一）區(qū)間數(shù)定義

記A=[a-，a+]={x|a-≤a≤a+，x∈R}，其中A為一區(qū)間數(shù)，當(dāng)a-=a+時，表示A退化為實數(shù)。其基本的運(yùn)算法如下：記A=（aL、aU）和B=（bL、bU），且β≥0，則有如下：（1）A+B=（aL+bL，aU+bU）

（2）βA=（βaL，βaU），特別當(dāng)β=0時，則βA=0。

通過上述的定義，將原本的項目風(fēng)險問題描述為區(qū)間數(shù)，而通過貝葉斯模型計算得到的結(jié)果，其仍然為區(qū)間數(shù)。而對區(qū)間數(shù)大小的比較，必須要因素區(qū)間數(shù)比較方法。

（二）基于可能度比較的區(qū)間數(shù)排序方法

在對區(qū)間數(shù)中的向量進(jìn)行排序中，首先要求解出一個可能度矩陣，并通過該矩陣中的行數(shù)據(jù)，才能對相應(yīng)的向量進(jìn)行排序，其具體運(yùn)算為：

假設(shè)G=（gi，j）n*n表示n階模糊判斷矩陣，通過計算可得到可能度矩陣P=（pij）n*n的排序向量，記作v=（v1，v2，……，vm），由此根據(jù)計算可以得到所有排序向量的集合，記為∧。

（三）基于區(qū)間排序的貝葉斯風(fēng)險評估步驟設(shè)計

結(jié)合建設(shè)項目的實際需求，將該算法的步驟設(shè)計為：

1.首先確定某工程項目的建設(shè)方案集合，表示為{ai（}i=1，2，……，m），以及其自然狀態(tài)集合{θj（}j=1，2，……，n）。

2.采用專家估計和對歷史數(shù)據(jù)的分析，可得到自然態(tài)的先驗概率π（θ）j。

3.根據(jù)對某類型工程項目歷史數(shù)據(jù)的分析，并參考相應(yīng)的專業(yè)數(shù)據(jù)庫，得到對應(yīng)的條件概率，由此將上述求解的先驗概率和條件概率代入貝葉斯模型中：

根據(jù)公式（8），即可求解出不同風(fēng)險因素可能引發(fā)的后驗概率值。

4.根據(jù)歷史數(shù)據(jù)，得到每個項目方案的在自然狀態(tài)下的風(fēng)險影響值，同時以（fθj，a）j作為風(fēng)險損失的函數(shù)，采用區(qū)間數(shù)的方式對不確定性風(fēng)險進(jìn)行表示。

6.在得到不同方案的風(fēng)險期望值后，運(yùn)用可能度矩陣算法對數(shù)值進(jìn)行比較，從而比較不同方案的可能度pij=p（E（a）i≥E（a）j）的大小，將比較結(jié)果構(gòu)建成可能度矩陣P=（pi）jn*n。

7.根據(jù)上述的可能度矩陣，運(yùn)用排序公式求解出矩陣的排序向量v=（v1，v2，……，vm），并根據(jù)分值的大小進(jìn)行排序，從而求解出最優(yōu)的選擇方案。

四、算法驗證

為進(jìn)一步驗證上述算法，通過對湖南建工常張高速建設(shè)項目的相關(guān)數(shù)據(jù)（數(shù)據(jù)量大，省略）的統(tǒng)計分析，得出各個因素引發(fā)事件的先驗概率和條件概率。同時，在常張高速項目中，設(shè)計三個不同的施工方案。因此，應(yīng)用Matlab軟件建立設(shè)計模型，比較不同方案的建設(shè)風(fēng)險。根據(jù)統(tǒng)計分析，可計算得到貝葉斯概率矩陣：

利用可能度法，對區(qū)間數(shù)進(jìn)行排序，從而得到：

通過上述的分析可以看出，對于方案二的風(fēng)險最小，整體風(fēng)險為0.3236，因此可推薦方案二作為整體的建設(shè)施工方案。

但該評價結(jié)果只代表整體風(fēng)險，并不代表方案為最佳方案。對此，運(yùn)用組合賦權(quán)算法將整體建設(shè)風(fēng)險劃分為人員風(fēng)險、施工風(fēng)險、管理風(fēng)險、環(huán)境風(fēng)險等四個不同風(fēng)險，并分別利用貝葉斯模型對不同方案的這些風(fēng)險進(jìn)行比較分析。如通過對管理因素的風(fēng)險值、各個因素的權(quán)重值以及貝葉斯概率等，計算得到三個方案的不同施工風(fēng)險影響值，并通過可能度法得到排序向量：

由上述計算得到，三套方案中，方案二和方案三在管理方面的因素存在的風(fēng)險要高，而方案一的管理因素產(chǎn)生的質(zhì)量風(fēng)險要低，由此看出方案一更利于對團(tuán)隊的管理。

五、結(jié)論

本文針對工程建設(shè)中存在的風(fēng)險不確定性問題，在傳統(tǒng)風(fēng)險評估的基礎(chǔ)上，引入貝葉斯模型，從而對整體建設(shè)方案的風(fēng)險質(zhì)量進(jìn)行評估分析，并通過對不同方案風(fēng)險的分析，讓建設(shè)項目的管理者能夠找到不同方案的優(yōu)勢和不足，從而更好地彌補(bǔ)建設(shè)方案，提高信息化與建設(shè)施工的效果。

[1]王俊華，左萬利，閆昭.基于樸素貝葉斯模型的單詞語義相似度度量[J].計算機(jī)研究與發(fā)展，2015，(7)：149-150.

[2]李明亮.基于貝葉斯統(tǒng)計的水文模型不確定性研究[D].北京：清華大學(xué)，2012.

[3]王建，鄧衛(wèi)，趙金寶.基于改進(jìn)型貝葉斯組合模型的短時交通流量預(yù)測[J].東南大學(xué)學(xué)報：自然科學(xué)版，2012，(1)：162-167.

[責(zé)任編輯 李曉群]

C931

A

1673-291X（2017）09-0178-04

2016-12-18

陳蓉（1982-），女，陜西眉縣人，講師，碩士研究生，從事工程造價與管理方面的教學(xué)與研究。