基于水利工程建设管理绩效评价

季洪波

(本溪市本溪满族自治县水务和移民事务服务中心，辽宁 本溪 117100)

0 引 言

工程管理绩效评价不仅是判断施工企业价值的重要基础，而且是检测企业计划与战略实施的有效方法，在水利开发项目管理系统中占据着核心地位。因此，当前研究的热点及理论前沿是如何提高、保障、测评水利开发项目的管理绩效。周巍等对于工程项目评价体系从自然环境、社会经济和财务评价的角度进行了分析；闫文周等从施工安全、投资管理、质量及工期控制等方面，结合工程实际情况构建了综合评判模型。然而，在实际工程中应多层次、多因素的综合评价管理绩效水平。单项线性分析法为传统的管理绩效评价方法，该方法由于未考虑各因素之间的非线性复杂关系，且在处理多维度、多要素复杂问题时往往采用简化或降维处理的方法，从而使得评价结果精度较低无法达到管理决策的要求。人工神经网络相对于传统的绩效评价法具有较强的联想能力和适应能力，利用记忆、训练等方式处理器可实现各类样本的合理生成，由此实现对系统的控制，较一般的方法其精度较高[1-7]。鉴于此，本文将BP网络和模糊优选理论相耦合，在网络计算过程中发挥其自学习功能，经过反复的多次训练实现实际输出误差的最小化，并对水利工程管理绩效的优劣运用实用性更强的BP网络模型评价。

1 构建管理绩效评价体系

项目周期长、工艺复杂及施工环境恶劣等为水利工程的典型特征，另外在项目施工时中还存在施工、监理、设计、业主等各部门难以协调统一的问题[8]。规模不同的水利开发项目其发展阶段存在一定差异，本文以大型水利工程为例将其流程分为后评价、竣工验收、施工准备、生产准备、建设实施、可行性研究、初步设计、总体规划及项目建议书等9个阶段，这些阶段涉及了项目的设计、建设、竣工交付直至投入运行的全过程，因此也称为生命周期阶段。根据不同的阶段可将评价过程划分为工程质量进度、项目后评价、投资管理、资金控制、勘测设计评价5个模块，这5个部分覆盖了以上每个阶段的控制难点和工作重点，由此可建立生命周期绩效评价体系，如表1所示。

表1 水利开发项目的管理绩效指标体系

不同指标在管理绩效评价体系中的度量单位、方法及取值范围存在差异，从而使得同一层次中各指标间存在不可通透性。因此，在绩效评价前有必要采取标准化公式将各指标初始数据处理至0-1之间的无量纲值。

根据各指标的具体数值和绩效管理评价标准，邀请专家对管理绩效各参数进行评分，评价标准可划分为优秀、良好、中等、合格、不合格，所对应的评分值为1.0-0.9、0.9-0.8、0.8-0.7、0.7-0.6、0.6-0.0，评分值越高则工程管理绩效越好。

根据辽宁省14个水利开发项目的相关资料，通过专家组打分、归一化计算和统计整理等，确定各工程管理绩效的打分和15个样本的评估指标。为保证样本容量的完整性和可靠性，设置评价体系中各参数值全为0、1两种情况作为两个理想样本，所对应的网络输出值为0和1，由此共构造17组样本数据。

2 构造BP网络系统绩效评价模型

2.1 模型及参数设计

BP神经网络系统中m个目标的特征值和输入层中m个输入节点相对应，隐含层共存在l个阶段，输出层共存在一个单节点，即网络最终输出。误差向后传播的计算与隐含层个数密切相关，隐含层越多则计算过程越复杂，一般条件下也会显著增大模型的训练时间及局部最小误差，结合相关研究和工程管理绩效评价实际情况设定BP神经网络为三层。如图1所示。

图1 BP神经网络模型

设关于样本j而言n个样本的输入为rij，其中i=1,2,…,m；j=1,2,…,n。在工程管理绩效评价时BP网络的建模流程如下：

1)管理绩效评价各样本信息通过节点i将传递给隐含层中节点，因此管理绩效输入和节点输出保持不变，即uij=rij。

(1)

(2)

4)为保证评价结果的可靠性和有效性，结合相关文献采用下述公式对节点p和k的权重进行适当调整，即：

(3)

式中：M(upj)、η分别代表j样本的期望输出和BP网络的学习效率。

根据如下公式对隐含层节点k和输入层节点i之间的权重进行适当的调整，调整量计算方法为：

(4)

采用BP反向传播算法和上述计算模型，可对单元和目标系统的连接权重值进行计算，从而实现期望和实际输出的误差最小。根据评价体系中的14项一级指标设定BP网络中输入节点数有14个，中间层节点利用Klomogorov定理确定为29个，选择绩效评价结果作为输出层的1个节点。选用trainlm函数作为学习样本的训练方法，其学习为精度高且收敛速度快的LMBP反向传播算法。BP模型的其他参数设置为：设定的期望误差为0.001，训练步数最大值为1000。

2.2 BP网络的训练与检测

BP网络的训练样本为水利工程绩效评价的14组样本数据，经标准化处理后将各指标数值输入节点，模型的期望输出值为专家组确定的绩效评价值[9]。经过6个训练周期后该BP网络模型的均方误差达到期望设定值，如图2所示。

图2 BP网络训练误差

在样本体系中BP网络的检测样本为15-17组数据，模型检测的输出结果和输入节点分别为专家组打分确定的这两组样本的管理绩效评价值及样本中各指标数据，选用构建的BP网络对检测样本进行训练计算，如表2所示。

表2 BP网络期望与训练结果

从表2可知，各工程的实际管理绩效评价和BP网络模型的评价结果保持较高的一致性，期望输出和实际输出之间的误差绩效，均方差D<0.0001，二者保持较高的一致性。因此，对水利工程管理绩效评价利用该网络模型具有科学合理性，可运用该模型进行实证分析。

从表2可知，各工程的实际管理绩效评价和BP网络模型的评价结果保持较高的一致性，期望输出和实际输出之间的误差绩效，均方差D<0.0001，二者保持较高的一致性。因此，对水利工程管理绩效评价利用该网络模型具有科学合理性，可运用该模型进行实证分析。

2.3 实例分析

辽宁省观音阁水库输水工程项目项目全长91.3km，设计年总供水量4.08亿m3，设计水平年的供水保证率为99.2%，引观入本主要用于本溪市城市居民饮水和本钢等企业生产用水。该工程始建于2013年10月20日，工期为5年零8个月，项目验收时间为2019年12月。

在工程质量方面，该供水改造项目的单位、分部、单元工程的优良率分别为95.2%、100%和94.6%，外观质量得分率93.4%；整个项目的建设过程未发生安全事故，在生态环保方面严格按照批复的水土流失防治范围整治，治理度为95.0%；征地移民的投资控制未超出概算范围且工作质量达到标准要求。项目成本节约率和工期提前率分别为15%、12%，相对于其他同类项目具有较好的经济合理性。

结合工程实际运行、竣工验收及建设监理相关资料提取各参数值，经归一化处理得到各指标标准值，如表3所示。

表3 管理绩效评价各参数标准化值

对该工程的管理绩效水平采用经训练检验的BP模型进行计算分析，结果为0.9428，隶属于优秀等级，可见该工程具有较高的管理绩效水平，评价结果真实可靠，可为工程管理控制提供一定决策依据。

3 结 论

1) 本文结合工程管理的特点和绩效评价的相关内容，从多个不同方面构建了综合评判体系，选取的评价指标相对于现有项目具有更强的实用性，覆盖范围广且各指标意义更加明确，可其他类似项目的管理控制提供一定参考。针对不同项目的管理评价，应充分考虑评价指标的侧重点和项目的特征，经适当的筛选建立满足工程测评的要求指标体系。

2) 所构建的BP网络评判模型可为水利工程管理绩效提供一套系统、完善的评价标准和评判体系，在实际工程管理中具有较强的指导作用，可为水利开发项目的管理控制和绩效评价提供一种新的方法。