神经网络项目风险评估

神经网络项目风险评估（精选10篇）

神经网络项目风险评估 篇1

摘要：风险评估是项目风险管理过程中最困难、最耗时的一个过程,论文给出了项目风险评估的基本流程和评价方法,采用模拟生物神经元基本功能的BP神经网络技术建立了风险评估模型;并通过matlab神经网络工具箱学习训练该网络模型。经测试数据验证,结果比较准确,具有广泛的实用性。

关键词：风险评估,BP算法,神经网络

0 引言

人工神经网络(ANN)又称神经网络,是基于对人脑组织结构、活动机制的初步认识提出的,是模拟人脑的全新信息处理系统,具有鲜明的生物背景和理论基础,它从结构上模仿生物神经网络,由大量的简单神经元按一定规则连接构成网络,以求模拟生物神经网络系统的容错和学习能力。目前,人工神经网络已在模式识别、函数逼近、评价与预测等许多领域得到了广泛的应用。

项目风险是指对在规定的费用、进度和技术的约束条件下不能实现项目目标的可能性的一种度量。它主要包括两个方面的内容:一是不能实现项目目标的概率或风险事件发生的概率;二是因不能实现项目目标所导致的后果或风险事件发生后,其后果的严重程度。项目风险评估是指对项目各个方面的风险和关键性过程的风险进行识别和分析的过程,也是项目风险管理的一个重要组成部分,其目的是促进项目更有把握地实现其预定的目标。

目前,项目风险评估的方法有定性分析和定量分析两大类,主要有历史资料法、主观概率法、敏感性分析、决策树分析和层次分析法等,但这些方法具有很强的人为性,影响评价结果的准确性和客观性。本文采用了BP神经网络的方法对项目风险进行了评价,较好地克服了评价中的主观性。

1 风险评估的流程

风险评估过程从方案阶段的中期开始,并在其后续诸阶段一直持续下去;随着项目的进展,评估会不断地深化。风险评估的过程主要包括风险识别和风险分析两个阶段。

1.1 风险识别

风险识别指对项目各个方面和各个关键性过程进行考察研究,从而识别并记录有关风险的过程。风险识别是风险评估过程的第一步,它的基本任务就是搜寻整个项目,找出那些会妨碍项目实现其目标的风险事件。搜寻风险事件的方法有很多,如流程图法、因果分析图和工作分解结构法等,无论使用那种方法,其找到的风险事件大体可以归为技术风险、费用风险、进度风险、计划风险和保障性风险五大类风险因素。

1.1.1 技术风险

技术风险是指项目在设计和生产发展过程中存在的影响性能水平的风险。这里的性能水平是指满足使用要求所必须具备的性能水平。

1.1.2 费用风险

费用风险是指项目在实现其寿命周期费用目标方面存在的风险,主要有两个方面的风险影响费用:一是费用估算和费用目标在准确合理方面存在的风险;二是因技术风险未能缓解导致项目不能满足费用目标的风险。

1.1.3 进度风险

进度风险是指因给项目的研制、生产和部署所估算和分配的工作时间不足的风险。有两个方面的风险影响进度:一是进度估算和进度目标在切合实际和合理性方面存在的风险;二是因技术风险未能缓解导致项目不能实现其进度目标的风险。

1.1.4 计划风险

计划风险是指项目本身无法控制但又可能影响项目方向的各种因素所带来的风险。该类风险往往与环境变化有关,如政策改变、计划不周、决策延误等都属于此类风险事件。

1.1.5 保障性风险

保障性风险是指在项目研制过程中可能出现的保障性问题。该类风险都是与保障性相关的,如人力、保障设备、运输条件、安全性、技术资料等都属于此类风险事件。

1.2 风险分析

风险分析是指对已辨识出的各类风险事件进行考察研究以进一步细化风险描述,从而找出风险致因并确定影响,其目的是搜集这些风险的足够信息,以判断各类风险发生概率以及各类风险一旦发生将对项目性能、进度、费用造成的后果。当有了这些信息后,就可以根据项目自身的准则确定风险等级。

1.2.1 确定风险发生的可能性

可以用表1来确定各类风险发生的可能性等级。其中风险概率是指各类风险发生的可能性。

1.2.2 确定风险发生的后果

风险发生的后果是一个多方面的问题,这里主要按4个方面进行评价:性能、进度、费用和其他方面,其中至少有一个方面要作为风险来考虑,如表2所列。

1.2.3 确定风险因素等级

风险等级是由风险发生的可能性和风险后果的影响程度两个因素共同决定的;表3列出了由这两个因素决定的风险等级。从表3可以看出,如果将风险概率和风险后果采用相应的基本尺度予以准确量化后,相应地就可以得到风险等级的量化表示。

1.2.4 确定整个项目的风险等级

应用BP网络进行项目风险评估的基本原理是:把上述用于描述评估的各类风险因素的风险等级作为神经网络的输入向量,将对项目的风险评估值作为神经网络的输出。使用网络前,用一些传统方法评估取得成功的系统样本训练这个网络,使它所特有的权值系数值经过自适应学习后得到正确的内部关系,训练好的神经网络便可作为项目风险评估的有效工具了。

2 基于BP神经网络的风险评估模型的建立

2.1 风险评估模型的BP网络原理

目前神经网络类型主要有BP(back propagation)网络、HOP(hopfield)网络和自适应网络等。BP网络是目前应用最多也比较成熟的一种网络。一个典型的BP网络主要由输入层、隐层和输出层组成。BP网络具备任意精度的函数逼近能力。所以,神经元网络为项目风险评估模型提供了一个可行的构造和表达方式。

BP网络学习过程是由信号的正向传播与误差的反向传播两个过程组成。因此正向传播时,我们把用于项目风险评估的各项指标属性值归一化处理后作为输入样本从输入层传入,经各隐层逐层处理后,传向输出层。若输出层的实际输出与期望输出不符,则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传,并将误差分摊给各层的所有单元,从而获得各层单元的误差信号,此误差信号即作为修正各单元权值的依据。信号正向传播与误差反向传播的各层权值调整,是周而复始的。权值不断调整的过程,也是网络的学习训练过程。此过程一直训练到网络输出的误差减少到可以接受的程度,或进行到预先设定的学习次数为止,最终以系统的输出作为评价的目标。

2.2 BP网络的结构设计

一般是采用具有一个输入层、一个隐含层和一个输出层的三层网络模型结构。

2.2.1 输入层节点数

输入节点数即是输入评价目标的数目。考虑到评价模型要有广泛性的适用性,在本文中我们取技术风险、费用风险、进度风险、计划风险和保障性风险五大类风险因素作为评价目标,故输入层节点数为5个。

2.2.2 隐含层数

隐含层起抽象的作用,它能从输入提取特征。增加隐含层可以提高人工神经网络的处理能力,但同时也会增加训练复杂度和训练时间。1988年Cybenko指出当各节点采用S型函数时,一个隐含层就足以实现任意判决分类的问题,所以评价模型可采用1个隐含层。

2.2.3 隐含层节点数

隐节点的作用是从样本中提取并存储其内在规律,隐节点数量太少,则网络从样本中获取信息的能力就越差,不足以概括和体现训练集中的样本规律;隐节点数量太多,又可能会把样本中非规律性的内容学会记牢,从而出现了所谓的“过度吻合”的问题,反而降低了网络的泛化能力。对于隐节点数,可以由经验公式计算得出,其经验公式为:

其中:m为隐层节点数;n为输入层节点数;l为输出层节点数。当n>l时,采用前者;当n<l时,采用后者。所以取隐含层的节点数为7个。

2.2.4 输出层节点数

评价结果即作为网络的输出,因此输出层的节点数为1个。

2.2.5 神经元激活函数

考虑到评价系统的输入输出值都位于区间[0,1]内,所以隐含层和输出层的神经元激活函数均采用S型对数函数。

2.2.6 迭代计算终点的判断

确定网络迭代终点的方法有两个:一是网络总体误差小于预定误差;二是迭代的回合数达到了预定的回合数。我们取预定误差限为0.001,预定训练次数为1000次。

2.3 BP算法的计算步骤

根据上述BP网络的设计结构,建立相应的评价模型进行评价,其网络结构如图1所示。

BP网络学习算法的基本步骤为:

(1)对评价目标值进行归一化处理。当输入向量的各分量量纲不同时,应对不同的分量在其取值范围内分别进行变换;当各分量物理意义相同且为同一量纲时,应在整个数据范围内确定最大值和最小值,然后进行同一的变换处理,以使输入的评价目标值在区间[0,1]中。

(2)用随机数(一般是0~1之间的数)初始化网络节点的权值和阈值。

(3)将标准化后的目标样本值X=(X1,X2,…,X5)输入网络,并给出相应的期望输出。

(4)正向传播,计算各层节点的输出。

其中:j=1,2,…,7;ωij为输入层到隐层的连接权值;θj为节点阈值;f1为隐层激活函数。

其中:νjl为隐层到输出层的连接权值;θl为节点阈值;f2为输出层激活函数。

(5)计算各层节点的误差。

输出层误差δo=(Qt-Ol)Ol(1-Ol)

隐含层误差δjy=δoνjl(1-Yl)

(6)反向传播,修正连接权值。

输出层的权值修正量Δνjl=ηδoYj

隐含层的权值修正量Δωij=ηδjyXi

(7)计算误差。

设共有p对学习样本,对应不同的样本具有不同的误差Ei=Oti-Oli;其中i=1,2,…,p;Oli为每对样本的实际输出值;Oti为每对样本的期望输出值;则所有样本的总误差

当总误差E总小于预定的误差限0.001或达到预定训练次数1000次时,网络训练结束,否则转到第(3)步,继续训练。

(8)训练后的网络就可以用于正式的评价。

3 基于BP神经网络的风险评估模型的应用

首先收集到一组项目风险评估成功案例50个。风险评估系统的风险因素共有5个,X1X2X3X4X5分别为“技术风险”、“费用风险”、“进度风险”、“计划风险”、“保障性风险”。各风险因素的风险等级经过专家按照前述步骤评价得到,系统的风险评估值由成功样例得到。然后建立足够多的样本集,包括训练样本和检验样本。表4中为部分样本集数据,其中前10个为系统的训练样本,后5个为检验样本。采用MATLAB神经网络工具箱可以方便地实现神经网络的训练。神经网络单元载入按照表4所给的各种风险因素的历史数据,进行网络中权值的训练,可得到输入层与隐含层、隐含层与输出层之间的权值和阈值。完成训练后,即可根据现有专家对各风险因素的风险等级评价作为输入,得到整个系统风险评估值。当系统风险评估值R<0.4时为低风险项目,系统的风险评估值0.4%R%0.7时为中度风险项目,系统的风险评估值R>0.7时为高风险项目。由表4可以看出,后面5个检验样本的输出值与实际评估值基本一致,其误差分析如图2所示。

4 结束语

利用BP神经网络建立项目风险评估模型,虽然网络结构不好确定,但只要训练数据有代表性,反复调试训练总能得到好的仿真效果。而且BP神经网络方法是一种非线性方法,不带有明显的主观成分和人为因素,只需将处理过的数据输入到网络中,通过MATLAB神经网络工具箱计算即可得到评价结果,避免了主观性和简单性,使评价结果更有效、更客观。

参考文献

①葛哲学、孙志强:《神经网络理论与MATLAB R2007》[M];电子工业出版社,2007:108-116。

②于冬:《基于BP神经网络的风险投资评估模型》[J];《科技管理研究》2005(9):206-208。

③卢宗华:《多目标决策方案评价的神经网络模型研究》[J];《山东科技大学学报》2005,24(2):74-76.。

④陆琼瑜,童学锋:《BP算法改进的研究》[J];《计算机工程与设计》2007,28(3):648-650。

神经网络项目风险评估 篇2

第一章项目概况

一、项目建设单位概况。

二、项目概况

第二章重大建设项目的合法性分析

一、发展规划分析

二、产业政策分析

三、行业准入分析

第三章 重大建设项目的合理性分析

一、项目选址及用地方案

二、土地利用合理性分析

三、征地拆迁安置方案

四、生态环境影响分析

第四章 重大建设项目的可行性分析

一、项目建设条件分析

二、经济费用效益或费用效果分析

三、宏观经济影响分析

第五章 重大建设项目的安全性分析

一、社会影响效果分析

二、社会适应性分析

三、社会稳定风险及对策分析

神经网络项目风险评估 篇3

【关键词】土木工程项目；风险评估

大型土木工程项目投资大，工期长，参与人员多，在整个过程中会受到各种外界因素和内部因素的干扰，项目承包企业在项目实施过程中不可避免地面临着各种风险。为了更有效地完成工程项目的目标，企业需对项目进行风险管理。在项目的风险管理系统中，项目风险评估是基础。如果没有具体可靠的风险评估方法，会使风险管理中的风险决策失去依据，大大增加项目的成本，再次造成风险。

１．风险评估的作用

土木工程项目风险评估就是对在工程项目建设的全过程中会出现的各种不确定性及其可能造成的各种影响和影响程度进行评价和估计，通过对潜在风险的分析和自身能力的的评估，采取相应的对策，从而减少风险发生的可能性和其带来的不利影响。在土木工程项目风险管理中，风险评估是一个十分重要的环节，其主要作用有：

1.1确定项目风险大小的先后顺序

通过对工程项目中可能遇到的各种风险进行评估，包括风险出现的概率和后果，分析它们对项目的影响程度，对它们进行排序，为决定风险控制先后顺序和风险控制措施提供依据。

1.2找出各种风险事件间的内在联系

工程项目中各种风险事件，看似互不相关，但当进行详细的分析评价后，便会发现某些风险事件的风险源可能是相同的或有密切关联的。掌握了风险事件间的内在联系，便可以在以后的风险管理中重点控制相同的风险源，消除其带来的风险。

1.3进一步认识已估计的风险发生的概率和引起的损失，降低风险估计过程中的不确定性

当发现评估结果和现状出入较大时，可根据工程项目进展现状，改进评估方法，重新评估风险的概率和可能的后果。

2.风险评估的步骤

土木工程项目风险评估通常包括以下三个主要步骤：

2.1收集数据和资料

收集与所要分析的风险事件相关的数据和资料，这些数据和资料既可以从已建好的类似工程项目的历史记录中获得，也可以在工程建设中得到。

2.2建立风险分析模型

基于以取得的有关风险事件的数据资料，确定风险事件发生的可能性和可能的结果。通常用概率来表示风险事件发生的可能性，用费用损失或建设工期的拖后来表示可能的结果。

2.3评价项目风险

在建立风险事件的分析模型和量化其发生可能性后，接着就要全面评价这些风险的影响，在评价过程中应把风险事件的发生概率与可能结果结合起来。

3.风险评估主要方法

风险评估方法有很多，常见的有专家调查法、层次分析法、模糊数学法、蒙特卡罗模拟法、敏感性分析法等。

3.1专家调查法

专家调查法又称德尔斐法，美国兰德公司于1964年首先将其用于技术预测中。它是在专家个人判断和专家会议方法的基础上发展起来的一种直观预测方法。这种方法通常分三步进行：首先，通过风险定量辨识将土木工程项目可能遇到的所有风险列出，拟定风险调查表；然后，利用专家经验对各风险的重要性进行评估，确定各风险因素的等级值和权重；最后，用各风险因素等级值乘以权重得到每个风险因素的得分，将各风险因素的得分求和，综合成整个项目风险。

专家调查法易于操作，应用广泛，特别适用于客观数据资料缺乏情况下的风险评估,或其它方法难以进行的风险评估。

3.2层次分析法

层次分析法又称AHP法，是美国运筹学家萨蒂于上个世纪70年代初提出的。它是将与决策有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法，其在工程项目风险评估中运用灵活、易于理解，并且具有精度较高。层次分析法的基本思路是将复杂的风险评估问题分解为各个组成因素，根据这些因素之间的关系将它们分组形成有序的递阶层次结构，通过两两比较的方式确定层次中各因素的相对重要性，然后综合人的判断来决定各因素相对重要性总的排序。AHP法大体可分为七个步骤：(1)建立层次结构模型；(2)构造对比矩阵；(3)计算权向量并做一致性检验；(4)计算组合权向量并做组合一致性检验；(5)构造判断矩阵；(6)计算权重向量；(7)进行一致性检验。

层次分析法简单明了，既可以用于评估工程投标风险、自然灾害风险等单项风险水平，又可用于评估工程项目不同方案的综合风险水平。

3.3模糊数学法

模糊数学法是利用模糊数学集合理论分析评估工程项目风险的一种方法。它具有结果清晰、系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。美国学者查德于1965年首次提出模糊集合理论的概念，用来对经济评价过程中难以用数字来定量描述的模糊行为和活动建立模型。模糊数学法在处理非数学化、模糊、难定义的变量时具有独到之处，并能提供合理的数学规划去解决变量问题，得到的数学结果又能通过一定的方法转为相应的语言描述。

大型土木工程项目中各种潜在的风险因素绝大多数都难以准确地进行定量描述，但都可以根据历史经验或专家知识，用语言描述出它们的性质及其可能的影响结果。并且，现有的绝大多数风险评估模型都是需要输入一些定量，而与风险评估相关的大部分信息都难以用数学表示，却易于用语言来描述，这种特性最适于采用模糊数学法。

3.4蒙特卡罗模拟法

蒙特卡罗法，又称随机抽样或统计试验方法，是估计经济风险和工程风险一种常用方法。它的基本思想是：当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，可以通过某种试验的方法得到这种事件出现的频率或者这个随机变数的平均值，并用它们作为问题的解。应用蒙特卡罗方法可以直接处理各个风险因素的不确定性，并把这种不确定性的影响以概率分布的形式表示出来。蒙特卡罗法可归结为三个主要步骤：构造或描述概率过程；实现从已知概率分布抽样；建立各种估计量。它是一种多元素变化分析方法，在该方法中所有的因素都同时受风险不确定性的影响，可以编制计算机程序来对处理模拟过程，以节约时间。总之，该方法既可以对项目结构进行分析，又可以对风险因素进行定量评价，比较适合在大型土木工程项目中使用。

3.5敏感性分析法

敏感性分析法是从定量分析的角度研究有关因素发生某种变化对某一个或一组关键指标影响程度的一种不确定分析技术。其实质是通过逐一改变相关变量数值的方法来解释关键指标受这些因素变动影响大小的规律。敏感性分析的目的是:研究风险因素的波动将引起的工程项目目标的变动范围；找出项目的最重要风险因素，并进一步分析产生该风险因素的根源；通过敏感性大小对比和可能出现的最有利与最不利的范围分析，寻找替代方案或对原方案采取控制措施，并确定项目风险大小。基本步骤是：(1)确定敏感性分析指标；(2)计算方案的目标值；(3)选取不确定因素；(4)计算不确定因素变动时对分析指标的影响程度；(5)找出敏感因素，进行分析和采取措施，以提高方案的抗风险能力。

敏感性分析方法通常在项目决策阶段的可行性研究中使用，来分析工程风险。它能向决策者简要提供可能影响项目成本变化的因素及其影响的重要程度，使决策者在做决策时重点考虑敏感因素对成本的影响。因此，敏感性分析方法被认为是一个有用的决策工具。

4.结束语

风险评估是土木工程项目风险管理的关键。风险评估方法是目前研究的热点，但并没有哪一种方法是尽善尽美的，要对工程项目风险进行较准确的评估，就必须把多种评估方法结合起来，并根据不同风险的特点，选择不同的风险评估方法。

【参考文献】

［１］周娇，李瑞明．项目风险评估方法[J].中国科技信息.2010．

［２］郭泽宜．我国工程项目风险评估述评[J].广东科技.2009．

［３］许家雄．建设工程项目风险管理的研究与应用[D].南昌大学.2006．

神经网络项目风险评估 篇4

物流项目风险可以定义为:由于物流项目所处的外部环境和条件本身的不确定与物流项目组织或其他相关利益者内部在主观上不能准确预见或控制的影响因素的存在,使得物流项目的最终收益与初始期望产生背离,从而带来损失的可能性。其评估的方法主要有历史资料法、主观概率法、敏感性分析、决策树分析和层次分析法等,但这些方法具有很强的主观性,影响评价结果的准确性和客观性。而BP神经网络的方法对项目风险的评价,则能较好地克服主观性问题。

1 基于BP神经网络的物流项目风险评估模型的建立

1.1 BP网络算法原理

BP算法又叫反向传播学习算法,它是一种多层前馈网络使用的监控式算法,运用梯度搜索理论,使得网络实际输出与期望输出的均方差达到最小,而BP网络算法的学习过程,是将误差反向传回去,从而来修正权值,达到对权值调整的目的。

BP神经网络由输入层、一个或多个隐含层和输出层组成。网络通过实际的输入和即定的输出来调节隐层节点个数和权值,从而使BP神经网络快速收敛达到期望的输出。

1.2 BP算法的计算步骤

根据上述BP网络原理,建立相应的评价模型进行评价,其网络结构如图1所示。

BP网络学习算法的基本步骤为:

(1)对评价目标值进行归一化处理。当输入向量的各分量量纲不同时,应对不同的分量在其取值范围内分别进行变换;当各分量物理意义相同且为同一量纲时,应在整个数据范围内确定最大值和最小值,然后进行同一的变换处理,以使输入的评价目标值在区间!0,1"中。

(2)用随机数(一般是0～1之间的数)初始化网络节点的权值和阈值。

(3)将标准化后的目标样本值X=3X1,X2,…,X53输入网络,并给出相应的期望输出。

(4)正向传播,计算各层节点的输出。隐层节点的输出值其中:j=1,2,…,7;ωij为输入层到隐层的连接权值;θj为节点阈值;f1为隐层激活函数。

输出节点的实际输出值其中:νjl为隐层到输出层的连接权值;θl为节点阈值;f2为输出层激活函数。

(5)计算各层节点的误差。输出层误差δo=3Qt-Ol3Ol31-Ol3;隐含层误差δyj=δoνjl31-Yl3。

(6)反向传播,修正连接权值。输出层的权值修正量Δνjl=ηδoYj;隐含层的权值修正量Δωij=ηδyjXi。

(7)计算误差。设共有p对学习样本,对应不同的样本具有不同的误差Ei=Oti-Oli;其中i=1,2,…,p;Oli为每对样本的实际输出值;Oti为每对样本的期望输出值;则所有样本的总误差当总误差E总小于预定的误差限0.001或达到预定训练次数1 000次时,网络训练结束,否则转第(3)步,继续训练。

(8)训练后的网络就可以用于正式的评价。

2 基于BP神经网络的风险评估模型的应用

本文以HF物流配送中心建设项目阶段中风险评估分析为例,来说明模型的应用。HF超市股份有限公司是一家商业连锁经营商。在某城市建立了6个配送中心,根据经验,作为综合型物流配送中心建设项目,要分为项目准备与立项,系统规划设计,系统详细设计,项目施工与试运转项目竣工验收等5个阶段。

本文主要任意选取其一阶段中的5个风险,通过使用神经网络进行分析得出一定的结论。这5个风险因素X1X2X3X4X5分别为“技术风险”、“费用风险”、“进度风险”、“计划风险”、“保障性风险”。运用模糊综合方法评价各风险因素的风险等级。运用模糊综合方法评价各风险因素的风险等级。过程如下:(1)项目风险评价等级划分,将风险程度分成5个等级:低风险13V 3、较低风险V23 3、一般风险V33 3、较高风险V43 3、高风险V53 3。上述5个评价等级元素构成评价等级集合V=5V1,V2,V3,V4,V55。(2)指标权数设计,(1)指标权数分配:A=3α1α2α3α4α53。(2)指标子集权数分配:A1=3α11α12α133;A2=3α21α22α23α243;A3=3α31α32α333;A4=3α41α423;A5=3α51α52α53α543。(3)评价矩阵:评价矩阵采用专家调查法确定,将确定好的第三方物流项目风险评价等级划分标准及指标体系一同交给专家评审委员会。假设委员会有m位评审员,指标Ui有k项,对指标Uik中的所有指标进行风险评判模糊评价矩阵为Rjp=5rr…j1i1……rjri…555。(4)综合评估:由Uik项中的每一指标权重集Aij可得对Uik的风险评价结果为Bi=Aik×Rjp,j,p=1,2,…,5,即3αi1αi2αi3αi4αi53×5rr…ij11……rr…ij55=3bi1bi2bi3bi4bi53,对以上数据进行模糊运算,可得出模糊子集:Bi=3bi1bi2bi3bi4bi53,i=1,2,…,5,bij∈0,515从而得到第一层模糊评价结果,表示各项Ui范围内。项目分别以百分之多少的程度处于5个风险等级。同理,用评价指标权向量A=3α1α2α3α4α53,进行第二层模糊综合评价运算:B=A×Bi,即3α1α2α3α4α53×5bb…5111……bb…55155=3b1b2b3b4b53,从而得到B=3b1b2b3b4b53,即为综合评价结果。按照最大隶属度原则,bj中数值最大的项所对应的等级Vj即为项目的风险等级。

经过专家按照前述步骤评价得到,系统的风险评估值由成功样例得到。这里收集到一组项目风险评估成功案例45个。然后建立足够多的样本集,包括训练样本和检验样本。表1中为部分样本集数据,其中前5个为系统的训练样本,后5个为检验样本。采用MATLAB神经网络工具箱可以方便地实现神经网络的训练。神经网络单元载入按照表1所给的各种风险因素的历史数据,进行网络中权值的训练,可得到输入层与隐含层、隐含层与输出层之间的权值和阈值。完成训练后,即可根据现有专家对各风险因素的风险等级评价作为输入,得到整个系统风险评估值。当系统风险评估值R<0.4时为低风险项目,系统的风险评估值0.4≦R≦0.7时为中度风险项目,系统的风险评估值R>0.7时为高风险项目。

由表1可以看出,后面5个检验样本的输出值与实际评估值基本一致,其误差分析如图2所示。

3 结论

本文利用BP神经网络建立物流项目风险评估模型,虽然网络结构不好确定,但只要训练数据有代表性,反复调试训练总能得到好的仿真效果。而且BP神经网络方法是一种非线性方法,不带有明显的主观成分和人为因素,只需将处理过的数据输入到网络中,通过MATLAB神经网络工具箱计算即可得到评价结果,避免了主观性和简单性,使评价结果更有效、更客观。

摘要：风险评估是项目风险管理过程中最困难、最耗时的一个过程,采用BP神经网络技术建立了风险评估模型;并通过神经网络工具箱训练该网络模型,对物流项目风险进行评估。经测试数据验证,结果比较准确,具有广泛的实用性。

关键词：神经网络,BP算法,物流项目风险评估

参考文献

[1]葛哲学,孙志强.神经网络理论与MATLAB R2007[M].北京:电子工业出版社,2007.

[2]郭嗣琮.信息科学中的软计算方法[M].沈阳:东北大学出版社,2001.

[3]陆琼瑜,童学锋.BP算法改进的研究[J].计算机工程与设计,2007,28(3):648-650.

桥梁工程项目风险评估方法 篇5

桥梁工程项目风险评估实用方法

从桥梁工程建设的实际需要出发,采用量化分析的思想,分别从风险识别,风险估计,风险评价,风险决策三个角度加以论述,建立一套风险评价流程并指导工程实践.

作 者：陈军 张德明  作者单位：同济大学桥梁工程系,上海,92 刊 名：黑龙江科技信息 英文刊名：HEILONGJIANG SCIENCE AND TECHNOLOGY INFORMATION 年，卷(期)： “”(1) 分类号：U4 关键词：风险评估流程   风险识别   风险估计   风险评价   风险决策   桥梁工程  

神经网络项目风险评估 篇6

1 特种数字示波器研制项目风险因素分析

建立特种数字示波器研制项目风险评估指标体系,首先要分析研制阶段每一个过程的风险以及各个风险的影响因素,然后在风险定性分析和定量分析的基础上,选择那些影响各个风险的主要因素,构成风险识别指标的集合,然后通过对预选指标进行优化,最后确定风险综合评估指标。

技术风险主要包括设计风险、工艺风险、元器件风险、原材料风险、设施风险等;费用风险是指维修检测设备研制在实现其研制过程费用目标方面存在的风险;管理风险是指在特种数字示波器研制项目的组织管理过程中,由于项目管理不善,职责不清,权限错误,运作失误以及其他不确定性而引起的直接影响到项目目标实现的风险;保障性风险是指由于设备研制的管理组织管理水平的状况及其变化对设备研制产生的风险;进度风险是指因对设备研制过程所估算和分配的工作时间不足而产生的风险。

2 风险评估指标体系的建立

对于具体的LHSB11特种数字示波器项目研制过程而言,采用3层BP网络预测该型示波器研制项目的风险。通过风险识别,将研制过程中的风险分为5类,每类风险又可以分为若干个风险因素。本文选取了16个已完成的同类示波器研制项目作为BP神经网络模型的训练和检测样本。采用专家评分法来获取指标体系的样本数据。通过评分表的形式向10位专家(其中3位权威专家,2位生产厂家项目负责人、3位企业领导、2位研制项目干系人),权威专家权重分别为0.15,生产厂家负责人和企业领导的权重分别为0.05,研制项目干系人权重分别为0.15。其中每一指标均分为5个等级:风险很低、风险较低、风险一般、风险较高、风险很高。此5个风险等级分别对应于5个区间内的数值:[0,1.5],[1.5,3],[3,4.5],[4.5,6],[6,8],风险程度越低,相应的评分数值就越低。通过统计分析,得到了16个样本评估指标体系的指标值。

同时,在专家组评分以后,得出每个项目整体风险打分结果,即期望风险值。经综合分析整理得到示波器研制项目期望得分表。

3 BP神经网络模型的建立

对研制风险的评估问题,可以看作是输入(各风险指标)到输出(该项目的最终风险评估值)的非线性映射。将样本数据中的前12组数据作为训练样本,样本中的评估指标体系指标值作为输入节点,与之对应的由专家评分法确定的期望风险值作为输出值,并通过Matlab软件编写神经网络仿真程序,创建BP神经网络并进行训练与仿真。

初始化后得到训练结果如图1所示。

图1中纵坐标为均方误差,横坐标为步数。由图可知,误差曲线的初始误差为14.2,在340步以后误差曲线呈明显梯度性下降,在1 354步时误差精度达到设定的0.001,完成训练。

训练结束后,调用sim函数对所建立模型进行仿真,得到如图2所示的仿真图形。

然后调用sim函数对所建立模型进行仿真,并计算出仿真误差。

%计算仿真误差。

最终得到仿真误差。

由图2可知,训练得出的输出曲线仿真图(绿色带圆圈的虚线)与实际输入的曲线(蓝色带星号的实线)基本相符,拟合程度较高,而且其均方差很小,效果非常理想。达到了训练的预期目的。

将专家评分组打分得出的期望输出和仿真实际结果输出作为比较,得出误差值。通过检测结果可以发现,期望输出与实际输出的误差较小,这说明运用BP神经网络模型建立的LHSB11系列示波器研制项目风险评估模型是有效的。可以用这个评估模型对项目的研制阶段进行风险评估。

4 结论

通过运用风险评估模型计算出该型示波器研制项目的整体风险评估数值为3.733,对应样本数据中的风险区间可知,该项目属于风险一般状态。特种数字示波器作为维修检测设备的必备工具,其研制项目的质量如何直接影响示波器的性能,通过建立评估指标体系和相应的数学模型,可以定量评估风险值的大小,通过仿真可以验证所构建的指标体系及其评估模型的可靠性和完备性,从而为维修检测设备研制项目的风险管理与控制,提供可靠的定量依据,为实现维修决策提供实用工具和有效方法。

摘要：针对航空装备维修检测设备研制项目实施过程中可能遇到的技术风险、费用风险、管理风险、保障性风险、进度风险等因素的影响,为确保维修检测设备研制项目的质量,规避研制过程中的各种风险,以LHSB11数字示波器研制项目为例,通过风险因素分析,构建了风险评估指标体系。运用BP神经网络建立了相应的评估模型,并运用Matlab进行了仿真分析。论文的研究成果可以为特种数字示波器研制项目提供高效的风险评估方法。

神经网络项目风险评估 篇7

自上世纪90年代住房制度改革以来，经过10多年的高速发展，房地产业已成为我国国民经济的支柱产业，房地产业的健康发展关乎整个国民经济的健康运行。由于房地产项目自身的一些特点使其面对很多的风险。要想规避这些风险，就要对这些风险进行分析、评价和管理。传统风险评价方法多停留在对风险的定性表述上，缺乏系统科学的评价，而BP神经网络可以有效弥补这方面的不足，对房地产的风险管理提供客观、科学的依据。

二、BP神经网络介绍

(一)BP神经网络原理

BP神经网络是由Rumelhart等人于1985年提出的一种神经元模型，是一种多层次反馈型网络，有“导师”的学习算法。BP神经网络有两部分组成：信息的正向传递和误差的反向传播。其基本原理是：网络先根据输出值与期望输出之间的误差来调整输出层与隐层之间的权值和阈值，再将部分误差分配到隐层，再用这个误差值来调整隐层和输入层之间的权值和阈值，不断地重复这样的计算过程，使输出与期望输出相逼近，直到网络的输出值与期望输出之间的误差逐步减小到规定精度内。

(二)BP神经网络训练

对神经网络的训练，要提供一组训练样本，每个样本有输入样本和期望输出组成。当网络的实际输出与期望输出一致时，训练结束。否则，通过修正权值，使网络的实际输出与期望输出一致。假设BP神经网络每层有N个神经元，训练集有M个模式样本对。对第p个学习样本(p=1,2，…，M)，节点j的输入之和记为，输出记为，则：

其中表示输入层第j个神经元到隐层第i个神经元的权重。

如果任意设置网络初始权重，对于每个输入样本p，实际输出与期望输出(dpj)的误差为：，式中(dpj)表示对第p个输入样本，输出单元j的期望输出。

在BP神经网络的学习过程中，输出层单元与隐层单元的误差计算是不同的。BP神经网络的权值修正公式为：

上式中，η表示学习速率，能加速网络的收敛，但有时可能引起震荡。

通过权值修正公式还需一个惯性参数α，有Wji=Wji(t)+ηδpjOpj+α(Wji(t)-Wji(t-1))，α称为势态因子，决定上一次的权值对本次权值更新的影响程度。

对于给定的一组训练模式，不断用一个个样本模式训练，当每个训练模式都满足要求时，BP神经网络也就训练好了。

三、房地产项目风险的BP神经网络评估

(一)房地产项目风险因素指标体系

房地产项目是一项综合性、专业性、技术性很强的活动，风险因素多种多样，通过Delphi法，笔者选取如下指标：(1)政策风险：自有资金率A，首付比率B、交易税率C;(2)经济风险：通货膨胀D、利率E、汇率F;(3)技术风险：建筑设计G、施工事故H、信息风险I;(4)管理风险：管理层素质J、项目管理经验K、科学决策运用L。

(二)房地产项目风险分析的BP神经网络模型的建立

1. 输入层单元数的确定。

根据选取的指标体系，可以将12个风险因素作为网络输入层的单元数的个数，即12个

2. 隐层单元数和层数的确定。

根据多次测试，本模型隐含层节点选为9时，模型的训练速度和精度达到最佳。

3. 输出层单元数的确定。

输出层单元数的选择对应于评价结果。在这些模型中，最终的结果是对房地产项目的风险一个综合评价值，即综合评价分数，因此选择一个输出节点。

综上可以得知，BP神经网络模型为12个输入节点，单隐层，9个隐层节点，单输出的模型。

(三)BP神经网络模型的训练与检验

利用上文有关专家建立的较为系统、完整的房地产项目的风险因素指标体系，我们选取10个房地产项目作为训练样本和检验样本，如表1，其中前8个为训练样本，后2个为检验样本。这里设置学习速率为0.05，误差限制在10-4，将样本通过matlab工具来计算，直到误差满足要求，系统停止学习，权值矩阵与阈值向量固定下来，成为系统内部知识。

注：项目各评价指标的大小可以分为大、较大、一般、较小、小5个等级，将其量化为(0.9,0.7,0.5,0.3,0.1)5个数值。

运用8个样本输入、输出值对前面建立的神经网络模型进行学习训练，通过训练224次后，得到表2，总体误差满足要求，此时E=9.99283e-005，如下图所示。

通过上表检测样本的检验，得到表3，可以看出训练好的模型输出与专家评价基本相符，满足要求。这样，一个用于房地产投资风险评价的人工神经网络BP模型已经学习训练成功，可以用此模型对房地产投资项目风险进行风险数值评价。在此模型基础上可以对单个风险因素进行敏感性的分析，发现敏感风险因素，加强风险管理。

四、结论

由以上模型可以看出，BP神经网络在房地产项目风险评价中具有很好的适用性和准确性，大大排除了人为主观的评价，减小了项目评价的主观性，可以很好的为房地产开发企业服务，使房地产开发企业有效地规避风险。

参考文献

[1]朱明强.BP神经网络在房地产投资风险分析中的应用[J].四川建筑科学研究,2006.

[2]王华,王迎新,张希胜.BP神经网络在项目投资风险分析中的应用[J].基建优化,2007.

[3]杜栋,庞庆华.现代综合评价方法与案例精选[M].北京:清华大学出版社,2004.

神经网络项目风险评估 篇8

1.1 物流网络简介

物流是当代工业化进程中最为经济合理的综合服务模式, 近几年来, 物流在全球范围内广泛地兴起, 逐渐成为影响我国经济发展的重要组成部分, 为满足不同用户的的需求, 现代物流逐渐与现代科技、信息技术相互靠拢, 并逐渐向全球性的方向发展。物流企业不断地发展成为全球化的物流网络, 包括物流运输网络, 仓储网络, 配送网络等。

1.2 物流网络的发展现状

由于信息技术的迅猛发展以及电子商务的兴起, 加速了全球经济一体化的进程, 使更多的企业与世界接轨, 中国经济迅猛发展日益成为世界经济发展中的主力军, 并很大程度上带动了物流行业的发展, 物流业在经济中的杠杆作用也越来越得到大家的一致认可, 物流在中国经济持续增长中的支柱作用日益突出, 尤其是我国十一五规划纲要中将物流产业的振兴作为发展我国经济的十大支柱产业之一, 这更是从很大程度上给我国物流行业的发展带来了新的契机。在我国国内良好经济发展环境的吸引下, 大量的外资涌入我国市场, 大大加速了我国制造业和零售业的繁荣, 刺激了我国物流产业的发展, 目前, 世界四大巨头物流公司全部入住我国, 投资建设的巨大网络, 服务覆盖面越来越大。国际巨头对我国快递网络的建设, 是他们入住我国的关键, 而我国的物流网络目前大都存在着一些问题, 比如经营规模小, 市场占有量少, 服务功能不全面, 高素质人才比较短缺, 竞争力和财务能力偏低, 而且资源分散, 浪费严重, 缺乏网络甚至网络分散的问题, 那么我国物流网络要想在未来的发展中取得自己的市场份额, 就应该努力优化自己的物流网络, 提高自己的服务水平, 发展高素质人才, 夯实自己的核心竞争力, 打好我国物流网络建设的“保卫市场”之战, 以积极的态度去应对我国物流市场的全面开放。

2 当前物流网络建设项目的运作风险特征

当前, 整合资源、协同发展是物流行业摆脱危机的有效途径, 而对物流资源整合的最有效方法就是使物流网络化, 物流网络化直接关乎到企业运行效率的提高, 关乎到市场结构的优化, 关乎到市场竞争力的提高, 是现代物流发展的关键所在, 也是振兴当代物流发展的永恒主题。然而, 物流网络的资源整合, 并非是抵挡一切问题的灵丹妙药, 随着物流网络建设项目的增多, 物流网络运作的风险特征也日益明显, 当前网络项目的风险主要有以下的特征。

2.1 物流网络风险的全球性

物流全球化是当代物流企业追求的目标, 也是经济全球化的体现, 然而当代物流网络经济的风险具有全球性的特征, 物流网络的风险既有可能面临国内的风险, 也可能来自世界的任何一个地区或国家。由于物流企业开展电子商务和物流活动本身所具有的网络经济虚拟性的特征, 国际化的物流网络把来自世界各地的物流需求和信息紧密地联系在一起, 这一点突破了传统物流的壁垒, 不用再考虑传统物流中的自然距离、关税、以及各个不同国家的法律制度等等, 在物流网络化的体系中, 国家已经显得不是那么重要, 甚至是已不复存在, 在现实空间中的自然的或者是认为的屏障已经不复重要。

2.2 物流网络风险的快速传递性

由于物流网络的全球化趋势日益明显, 物流网络经济下的物流企业面临的风险也可以在全球范围内迅速传播, 具有很强的传递性和非常广泛的影响力, 物流网络风险的实时性和交互性是其基本特征, 一旦产生风险, 就很难让人们采取及时的措施有效防范, 风险会借助网络信息及时传递和交易主体之间的交互关系而不断扩散, 随着网络信息的不断交换, 风险的传染也就越来越快。

2.3 物流网络风险的隐蔽性

物流网络风险的隐蔽性是指在风险初起时很难被人察觉, 而当风险变得清晰可辨时就为时已晚, 网络风险就很难避免。物流网络的这种隐蔽特征主要来自物流网络上市场信息的非对称性, 信息的非对称性又由网络经济的虚拟性所产生的匿名性得以强化, 物流电子商务平台和物流网络匿名的访问很有可能导致一些信息欺诈行为, 如盗取商业机密等就更容易在物流网络时代发生。因此, 物流电子商务平台和物流网络中处理机密信息时对来访者的认证就显得格外重要。

2.4 物流网络风险的复杂性

物流网络本身具有运作快、决策多元化、成员多元化的特点、使物流企业风险管理过程更加的趋向复杂化, 这主要是因为物流网络各个成员拥有的资源和能力状况不同所导致的。在物流网络中, 企业面临的风险不是单一的, 而是多种风险交叉起来的综合风险, 由于各个风险的相互影响和助长, 我们在风险防范上的难度大大增加。物流网络各个网络节点之间关系的复杂化, 布局分散化和文化差异化等特点是导致物流风险来源呈现复杂化的根本原因。

3 应对物流网络风险的对策

由于各个成员企业进入物流网络后不再是一般贸易关系下的单点连接, 而是众多企业在物流、信息和利益分配等多方面实质性的合作, 业务上的综合联系就大大的增强了成员企业抵抗风险的能力, 提高了各个网络企业共同面对风险的协同性, 但是物流网络风险的特征告诉我们, 对物流网络中出现的各种风险要在物流网络运作的整个过程都加强风险管理, 尤其是在突发事件下重新组织资源的速度都要达到较快的反应水平, 因此, 物流网络的合作关系对成员企业提出了更高的要求, 为合理地规避物流网络中的风险, 应采取以下对策。

3.1 在进入物流网络时充分考虑物流网络的风险问题

每一个企业在最初进入物流网络时就应该清楚地认识到物流网络存在风险性, 对重要的供应商信息更应该进行全面的调查, 不仅要对存在的问题进行评价, 还要对企业的经营状况、业绩、人力资源、设备管理、质量、技术开发、用户满意度、交货协议等方面进行调查评估, 通过综合分析, 让企业追求最优化的资源组合。从而使物流网络的风险最小化, 并根据不同企业的功能环境等因素分析不同企业存在的物流风险, 及时的区分风险、识别风险、并制定合理的风险管理目标, 选择合理的风险应对措施, 为企业的发展战略提供有保障的支持。

3.2 谨慎选择合作伙伴, 提高诚信度

良好的合作伙伴是构建物流关系的重要因素, 一方面各个合作伙伴可以充分发挥各自的优势, 互补不足, 提高自己的竞争力;另一方面, 考虑合作伙伴的合作成本, 比如制造商可以和运输商、供货商之间建立合作关系, 彼此通过咨询公司反馈合作伙伴的信息, 比如合作伙伴的供货水平、生产经营情况、信誉度等, 然后对合作伙伴进行资格审查, 再确定是否和对方建立合作伙伴关系, 从而降低物流网络中的有害选择机率。同时为了加强彼此合作伙伴之间的关系, 可以采用一定的激励机制和手段, 保障彼此可以获得更大的商业利益。一个成功的伙伴关系客观上要求物流网络成员企业形成利益共享、风险共担的共同体。

3.3 改进网络结构

物流网络企业内部之间要发展多渠道的沟通联系模式, 并加强对供应商进行跟踪评估。最好的方法就是与那些技术雄厚、信誉良好的企业建立长久的稳固的伙伴关系,

这样既可以彼此获得较大的规模, 又可以降低整个网络成本便于进行有利的监控。同时也可以采用网络合作流程重组的办法来降低网络的风险, 由于现代企业的管理越来越科学化和规范化, 企业内部的风险也逐渐会被降低, 而大范围的危机大部分是来源于企业的外部, 尤其是来自物流网络方面的风险, 因此有必要对物流网络进行合作流程重组, 从而整合网络上的各种物流、信息流、服务流, 对各个企业采购、制造等物流部门进行平行管理, 优化物流网络, 从而保障整个网络的顺利进行。

3.4 物流网络运作中的国际标准化建设

全球化和国际化是当代物流网络化不可避免的趋势, 要参与全球化的竞争模式, 就必须建立与之相匹配的国际标准的物流网络系统, 犹如产品出口的国际市场标准, 这就需要各个供应链成员平时做好充分的准备, 一旦有良好的机会就不容错过, 由于自身条件的不允许而错失良机的例子在国际上比比皆是。

3.5 协作关系的柔性化设计

物流中需求和供给的不确定性是不可避免的, 这就要求物流网络成员企业合作过程中要建立柔性化的设计, 从而消除外界环境的不确定性而引起的变化。目前大部分企业的管理强调减少库存、降低成本, 这种看似良好的运作模式一旦遇到突发事件时就会显现缺乏弹性、适应性差的特征, 因此通过跟踪经济形势的变化, 在熟悉的地区利用中介机构寻找可靠的售货商并为不同的生产线创建不同的合作网络, 也将是降低物流网络风险的一项重要举措。

3.6 加强成员企业信息交流与沟通

物流网络中的各个成员是组成物流的根本单位, 也是保障物流正常运作的基础, 通过物流网络成员企业之间的信息交流和沟通来消除信息扭曲, 从而降低风险是解决物流网络风险的根本。也就是说, 物流如果无法获得正确的全面的市场信息, 就无法满足市场趋势和顾客偏好的不断变化, 也就无法根据新的需求改变产品和供应物, 市场机会也就会因无法满足顾客的需求而丧失。当前, 随着社会信息业的发展, 物流网络成员之间的交流也越来越方便, 企业之间通过物流网络而相互分享计划和预测信息、数据, 这样也可以有效地避免物流网络的风险。

从现代物流行业的快速发展可以得知, 物流行业已经成为影响我国国民经济发展的新的重要产业和经济增长点。经济全球化要求物流全球化并且必须向网络化方向发展, 从而实现物流资源的整合与共享, 提高物流资源的利用率和物流行业的服务水平。但是在物流网络化的运作中, 物流网络风险也普遍存在, 物流网络风险的危害性极大, 因此引起了国家和企业的高度重视, 加强物流企业的风险管理并提出相应的对策是保证物流行业健康发展的关键。规避物流网络运作风险的对策是物流企业风险管理体系的组成部分, 对规避物流网络风险进行深入的研究, 完善和丰富物流网络理论与内容具有重要意义。

摘要：21世纪是科学技术和经济高速发展的世纪, 信息技术和网络经济也随着科学技术的进步而不断进步, 物流运作已经实现无国界、全球化的发展趋势, 由于物流网络自身所具有的开放、动态的特性, 物流网络建设项目运作风险也极大, 那么如何有效控制物流网络建设项目的风险, 提高物流网络的安全性将是本文的研究重点。

关键词：物流网络,物流网络风险,对策

参考文献

[1]鞠颂东.物流网络:物流资源的整合与共享[M].北京:社会科学文献出版社, 2008.

[2]徐文虎.保险学[M].上海:上海人民出版社, 1994 (6) .

[3]谢盛金.简明保险词典[M].北京:经济科学出版社, 1986 (4) .

[4]夏征农.辞海[M].上海:上海辞书出版社, 1989.

[5]宋明哲.现代风险管理[M].北京:中国纺织出版社, 2003.

神经网络项目风险评估 篇9

关键词：电力建设项目,贝叶斯网络,风险管理

1 引言

电力企业是我国国民经济中重要的支柱产业, 而随着科学技术水平的不断提高, 电力企业在管理上也采用了现代化、科学化的管理, 要提高风险管理意识, 并结合电力工程项目所具备的特点, 对工程项目在使用中可能遇到的风险进行估计和评价。

2 贝叶斯理论

贝叶斯网络是一个有向无环图, 它是由代表变量的网络节点、连接这些节点的有向指示边以及节点的概率信息构成。变量既可以是连续变量, 也可以是离散变量, 在本研究中指的是电力工程建设过程中遇到的各种风险因素。有向指示边定性地说明网络节点之间的因果关系。有向边的起始点所连接的节点称为父节点, 终止点所连接的节点称为子节点, 而最外一层的节点因没有父节点则称为根节点。节点的概率信息可定量说明父节点对子节点的影响程度, 对于离散变量, 表现为给定父节点组合状态下该节点取不同值的条件概率表。

3 风险识别与评估方法

风险就是不幸事件发生的可能性, 或者说风险是一个事件产生人们不希望后果的可能性.深基坑工程的风险可以定义为:

式中:P为风险事件的发生概率;C为后果损失。

3.1 基于WBS-RBS的故障树风险因素识别法

3.1.1 工作分解结构 (WBS)

工作分解结构是将整个工程项目进行结构分解, 例如在建设工程领域最常见的结构分解方式:工程总体-单位工程-分部分项工程-工序。

3.1.2 故障树作图

以WBS“工序”层为行向量, RBS“基本风险源”为列向量, 形成耦合矩阵, 分析出耦合可能产生的风险因素。一般将易于发生且后果严重的事故作为顶事件, 用逻辑门连接上下层事件, 直到需要的分析深度, 形成一株倒置的逻辑树形图, 即故障树图。

3.2 贝叶斯网络拓扑结构的建立

根据建立的指标体系, 分析它们之间的因果关系可知, 上层指标的情况都是由下层指标之间的情况推断出来的。所以结合专家意见, 本文的节点选择了四级结构, 即目标节点、一级指标、二级指标和三级指标。

4 基于贝叶斯网络的电力建设项目风险管理分析

4.1 确定风险指标

4.1.1 不安全行为

人的不安全行为是引起事故发生的一个主要因素。一般来说, 引发人的不安全行为的因素包括违章操作和操作失误。

4.1.2 不安全状态

不安全状态指在作业过程中, 各类事物、环境或人所处的, 容易引发事故或对事故严重程度产生影响一种状态, 包括人的不安全状态、物的不安全状态以及环境条件不良三类。

4.1.3 外部环境

电力建设项目在申请、规划、投资、建设过程中所面临的政策环境、经济环境、法制环境、舆论环境等均属于其外部环境, 由于外部环境不受业主和施工方约定的合同约束, 所以在外部环境中产生的风险通过施工方或电力公司并不能全面有效的控制, 而需要电力建设外部环境中的主要利益群体, 如政府、社会基层组织、社区居民企业、业主、施工企业等共同进行风险管理。

4.2 指标体系建立

依据人、级、环境以及管理系统的相关理论, 在现有资料和风险管理工作的基础上应用德尔菲法指标体系对电力建设项目风险进行管理。本次管理工作邀请了多位专家, 均为电力行业的资深专家以及学者。在咨询的过程中, 通过对专家积极系数、权威程度和和谐系数的分析, 确定评价指标体系。

4.3 确定网络节点的风险等级

在确定了拓扑结构后, 要合理设置网络节点的取值, 也就是各指标具体的风险等级。本次研究选择的节点多为定性变量, 是基于以往电力工程建设中的常见风险因素建立的, 但是难以对其量化, 因此依据现有标准进行分化难度较高。本次研究在指标体系构建过程中, 为了能够建立电力建设工程项目风险评价体系, 在收集指标时对各类风险事件的发生可能性和造成的影响进行分析, 对指标体系中的各末级指标的评价等级一级评价指标均参考了专家的意见。依据专家群的总体意见, 统一将电力建设项目风险的对指标体系中的各末级指标的评价等级和评价标准也一并提请专家进行了咨询。

4.4 评估方法及结果

利用所得数据使用Agena Risk软件进行分析, 可得中间节点以及目标节点各风险等级发生的概率, 具体见表1。概率总和不完全是1是因为部分风险因素的等级较低, 发生的可能性较小, 各父节点对于子节点的影响权重后, 将其相关数据带入软件进行分析, 采用贝叶斯网络的推测功能判断出各中间节点和目标节点的发生可能性, 由此便可以对电力建设项目中的风险因素进行定量评估。通过此种方法所得结果符合电力工程建设的实际情况, 并且在整个过程中, 专家参与程度高, 分析过程相对规范, 获得了管理者的肯定。

5结束语

本研究将贝叶斯网络技术应用于电力建设项目风险评估中, 建立贝叶斯网络拓扑结构, 建立了风险评估模型, 并对该模型进行了试应用, 实现了对风险的定量评估, 可为管理者的决策提供客观数据的支撑, 有利于实践推广。

参考文献

[1]吴贤国, 丁保军, 张立茂, 等.基于贝叶斯网络的地铁施工风险管理研究[J].中国安全科学学报, 2014, 24 (1) :84~89.

[2]王勇胜, 冷亚军.基于贝叶斯网络推理的项目群风险及其演化研究[J].东北电力大学学报, 2011, 31 (5) :104~109.

神经网络项目风险评估 篇10

自斯蒂芬·戈德史密斯等提出网络治理理论以来,网络治理作为多主体的治理模式,开始被人们运用。网络治理强调在政府协调下,实现公共利益的共享合作,实现共同管理公共事务的目的。

农村水利PPP项目是一个网络关系复杂的项目工程,其具有参与方众多的特征,其中包括政府、投资者、供应商、承包商、运营商等。各方通过协议共同构成网络主体,进行协调合作,共同管理,以实现各自利益目标,具有明显的网络治理特征。

网络治理的现实操作需要完整的运行机制,其主要包括:信任机制、沟通机制和维护机制。网路信任机制是网络治理的基础,网络沟通机制是网络运行的沟通桥梁和润滑剂,网络维护机制则是网络治理有序运行的保障。

农村水利PPP项目不仅有一般项目的风险特性,诸如客观性、多样性、普遍性、随机性和可测性等,还具有关系风险为代表的特殊风险。由于农村水利PPP项目各参与方存在异质性特点,面对风险,各方往往都会基于自身利益,作出有利于自己的行为。公共部门往往会基于经济效益和社会效益的综合考虑,来衡量项目的合作效益是否大于自行建设效益,而社会资本和私营部门则通常只从自身收益出发来思考。在某种特殊情况下,私营部门的利己思维可能会与公共部门的社会效益追求发生冲突,从而使项目风险得以放大。

鉴于农村水利PPP项目的网络风险特性,我们有必要构建系统性的协调优化机制,建立平等互信的网络运行机制,形成多元主体的治理结构,实现信息和资源的共享,降低项目网络风险。

2 农村水利PPP项目风险分配思路

如前所述,农村水利PPP项目的参与主体多,要想实现项目目标,需要各主体间进行有效合作。公共部门与私营部门需要通过互信互认、平等沟通及共同监督与维护,以产生合作的优势,使风险可以在各个主体间得以合理的分配,降低风险发生概率,降低风险影响,达到有效管理的目的。PPP项目的风险分配通常应遵从有效控制原则、风险限额原则、权责对等原则、成本最低原则这四大原则。而依照这样的风险分配原则,笔者认为农村水利PPP项目风险承担主体应该遵循以下分配思路:(1)私营部门主要承担内部风险,公共部门主要承担外部风险。公共部门有能力影响政策和规章制度,对法律和政治风险有更强大的把控力。而私营部门则具备资金、建设、管理运营的先进性,对于具有商业性质的融资风险、建设管理风险,有着更强的控制力和经验。(2)关系风险由公共、私营双方共同承担,任何一方都无法承担关系协调失败的恶果。(3)经济、技术等风险也应由双方一起承担,承担比例可以协商决定。

3 农村水利PPP项目风险分配框架构建

项目风险分配是农村水利PPP项目风险管理的重中之重,其存在于项目合作的全流程之中。但是,风险分配并不是一项简单的工作,实践中风险分配不明确,可能导致风险的加大。因此,有必要对各方风险态度和利益目标进行充分地分析,构建基于多方共赢的风险分配框架。要想发挥农村水利PPP项目网络治理运行机制的作用,有必要将其风险分配进行有效划分。

3.1 初步分配阶段

风险的初步分配通常是指在项目初期,由公共部门成立指导机构对农村水利项目进行风险识别,判断引入社会资本进入的可行性,对项目进行整体规划,并对社会资本进行招标。在初步分配阶段,公共部门应根据风险分析,判断公共部门和私营部门的风险控制能力,将风险初步划分者进行给控制力最强的一方,把双方共同控制的风险留待后一阶段分配。网络治理强调公共与私营部门间共同协作,实现网络目标。双方主体依赖信任关系的建立,构建行动网络,为风险分配奠定基础。在风险初步分配阶段,建立各方信任机制是关键。而信任机制的建立,需要公共部门放下传统的单向控制管理思维,树立多元主体构建理念,双方间都要加强内部管理,努力提升自身能力和管理的透明度,促进双方信任,提高合作意识,构建统一行动力。

3.2 全面分配阶段

风险全面分配阶段是指农村水利PPP项目合作到达合作签约阶段,中标结果公布,双方就项目开发的相关权责问题进行谈判。该阶段风险分配的核心在于在风险初步分配之上,借助深入沟通和谈判,明确各方需要承担的风险。对于超出各方能力的风险进行共担,通过谈判沟通,确定风险分配比例,构建风险补偿机制。

3.3 再分配阶段

风险再分配阶段是在农村水利PPP项目合作建设、运营以及后期移交阶段阶段的风险分配。该阶段风险分配的核心是在对已分配风险进行跟踪,监测项目建设和运营是否出现超出预期的情况,并针对现实情况进行风险评估和再分配。农村水利PPP项目往往建设与运营周期较长,其网络结构复杂,需要各方共同努力,建立有效的网络维护机制,做好项目风险跟踪,及时应对新出现的风险。

4 结语

综上所述,由于农村水利PPP项目网络结构及网络关系复杂,风险控制困难,因此只有牢牢把握风险特性,合理划分风险承担主体,明确风险分配思路,构建科学的风险分配框架,才能更好地推进农村水利PPP项目的发展。

摘要：当前,将PPP模式引入农村水利建设的讨论已经成为了一个热点话题,但是PPP模式的引入也使项目的网络结构及网络关系更加复杂,风险控制更加困难。基于网络治理理论,对农村水利PPP项目网络治理特征进行详细剖析,探讨其风险特性并合理划分风险承担主体,明确风险分配思路,构建科学的风险分配框架,为农村水利工程PPP项目网络治理提供理论参考。

关键词：农村水利工程,社会资本,PPP项目,网络治理

参考文献

[1]王守清,程珊珊.国内外PPP项目适用范围“PK”[J].施工企业管理,2014(9):87-88.