人工神经网络在工程管理中的应用

徐志远

自20世纪80年代以来,建筑工程管理出现了一些新的发展方向,这些新的管理模式要求有相应的技术来支撑,尤其是现在工程的规模化、国际化、动态化趋势的发展,更要求我们具有相当好的管理技术。建筑工程中用于预测的方法很多,比如线性回归预测、时间序列平滑预测法、趋势外推预测、马尔可夫预测法、灰色系统预测等方法。这些方法在以往工程预测中起着重要作用,但是随着经济的发展,社会进步的步伐不断加快,对于经济预测的精度要求不断提高,因此各种预测方法的弊端也日益暴露,这就促使了新预测方法的出现,也就是最近研究比较热门的神经网络。神经网络预测有多种,每一种都有各自的适用领域及优点。但是相对于其他预测方法在建设工程领域的应用,神经网络有着绝对的优势。这是由建设工程的复杂性、长期性及其基本构成的相似性所决定的。

1 工程管理发展新现象

1)大型、特大型、复杂、高科技的工程越来越多。现代工程系统越来越复杂,要求社会化和专业化的工程管理。2)现代建设项目是研究、开发、建设、运行的结合,而不仅仅是传统意义上的建筑工程。3)业主希望工程承包业像其他工业生产部门一样提供最终使用功能为主体的服务;希望在工程中面对较少的承包商,消除工程项目组织责任体系中的盲区;要求承包商提供全过程的服务,保持管理的连续性,希望承包商与工程的最终效益相关,以调动各方面的积极性。这样促进了新的融资模式、工程总承包方式和新的项目管理模式的普及。4)整个社会对工程的要求提高。人们要求建设工程必须具有与环境的协调和可持续发展的能力,在工程建设中必须保护环境,应尽可能减少资源消耗,照顾到工程相关者各方面利益,工程要经得住历史的推敲。

2 神经网络简介

2.1 神经网络的发展

人工神经网络(Atificial Neural Network,简称ANN)是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统,是理论化的人脑神经网络的数学模型。实际上,它是由大量简单元件相互连接而成的复杂网络,具有高度的非线性,能进行复杂的逻辑操作和非线性关系实现。神经网络是一门新兴综合性边缘学科,它最早出现在20世纪40年代,但是却是在20世纪80年代后期真正迅速发展起来并广泛应用于众多学科的非线性模拟技术,尤其适合于模式识别和函数逼近等领域。目前比较成熟和常用的人工神经网络误差逆传播系统(简称BP网络)、Hopfield网络、随机型人工神经网络、竞争型人工神经网络、自组织特征映射神经网络和对象传播神经网络。

2.2 人工神经网络的结构特点

1)分布存储性和容错性;2)大规模并行处理能力;3)自学习、自适应和自组织能力;4)具有复杂的非线性动态系统特征。

3 人工神经网络模型在工程管理中的应用

3.1 人工神经网络在投标报价中的应用

建筑企业为了在激烈的市场竞争中取胜,必须在工程项目投标前分析影响投标决策的各种因素,如市场条件、自身情况、竞争对手情况及与投标工程相关的情况等等。这些因素绝大多数都是模糊变量,很难找到精确的关系来衡量它们对投标报价的影响程度,投标者往往根据以前相似工程的信息来推理工程报价,因此具有很大的不可靠性。人工神经网络具有自组织性、自适应性,能够处理不完全信息和各种因素之间非线性复杂关系。现在很多人致力于基于人工神经网络的工程承包招投标报价的研究,并已取得了一系列可喜的成果。如:Li(1996年)开发了基于人工神经网络的工程投标报价决策支持系统。Li和Love(1998年)开发了神经网络与规则库组合的招投标报价专家系统。Li和L.Y.Shen提出了影响工程报价的10个因素,这10个影响因素为:项目规模、项目地点、建筑市场条件、竞争对手情况、项目类型、流动资金需求、管理费率、当前工作量、当地劳动力情况、项目的复杂性。并根据这10个因素,建立了基于神经网络的一种报价模型,这种模型和普通的神经网络模型有一些不同就是输入层和隐层之间并没有全互连,而是输入层只是和代表输入层种类的隐层所相连。输出层为工程投标报价的报价率。

3.2 神经网络在施工企业成本预测中的应用

用人工神经网络构造的企业成本预测模型,可以综合成本的各种组成,真实的模拟生产、管理各个环节的活动,跟踪价值链的构成,适应企业的成本变化,预测的可靠性强。利用人工神经网络对销售额进行仿真试验,可以准确的预测未来的销售额。另外,该方法在其他各类企业的信用风险、财务风险、金融风险的评级和评价方面也得到大量应用。与其他应用方法比较,它具有处理非线性问题的能力和自学习的特点。单一网络模型和组合网络模型是两种常用的时序预测模型。组合网络可以克服单一网络模型的过渡拟合问题,提高预测能力和预测精度,减少系统偏差。

3.3 神经网络在施工风险管理中的预警作用

建筑管理中许多领域都涉及到风险分析和风险预警的问题,两者都包括许多不确定的因素和风险因素,这些因素使企业的管理经营具有风险性,并且有些风险直接影响到企业的生存发展和企业对未来的长远规划。及时、准确地对企业经营风险做出预警,并迅速采取合理、有效的措施与决策,是规避风险的有效途径。目前,企业基本上都是采用计量经济模型、因果分析及边际效应分析等方法来建立企业风险预警系统,预测和分析所经历的运行状态。但这些方法存在着一定问题,而利用神经网络的非线性映射和模式分析的能力,可以建立比较完善的动态的风险预警系统。

3.4 神经网络在招投标资格审查中的应用

招投标资格预审的人工神经网络评判法,能够处理资格预审中存在的不确定性并且较科学全面地考察和选择承包单位。本文在理论上就该方法进行探讨,在实际应用中可应用多个同类工程招投标实例对网络进行训练。人工神经网络评判法只需评审人员给定各评审因子的模糊初始等级和随机初始权值即可,其余工作由计算机完成,可以最大限度地减少人为因素的影响。为避免每一次招投标都要进行网络学习训练,即为了使网络具有一定的通用性,可以根据招标要求将工程项目招标分成几种类型,由于每种类型工程的招投标对投标单位的要求都大致相同,故同种类型的工程招投标只需要训练一种神经网络,这就提高了神经网络方法的实用性和通用性。根据招投标工程的具体要求和投标单位的实际情况来确定通过资格预审的最低指标值。

4 结语

人工神经网络在工程管理各个领域中的应用,为工程管理的顺利进行提供了保障,克服了以往的常用方法的缺陷,解决了很多工程难题。比如在工程造价预测中的应用,它利用了神经网络具有自学习、自组织、自适应的特点,建立了具有反馈系统从而不断调节误差的BP算法,减少了人为主观的参与,这使得造价预测结果更加贴近实际,更加精确。在评标过程中的应用亦是如此。但是,神经网络作为新兴学科,在理论和实践中,还有很多不完善和不成熟的地方,又在一定程度上制约了它的实际应用。

[1]蒋宗礼.人工神经网络导论[M].北京:高等教育出版社,2003.

[2]张建坤,成 虎.对工程管理专业地位和学科体系的思考[J].建筑经济,2007(7):56-57.

[3]刘亮晴,严 薇.基于人工神经网络的投标单位资格预审评价法[J].重庆建筑大学学报,2005,27(4):97-101.

[4]王要武,徐韫玺.人工神经网络在建筑管理中的应用[J].哈尔滨建筑大学学报,2001,34(5):103-107.

[5]尹 豪,朱晓丽.略论人工神经网络方法在经济管理领域的应用[J].现代管理论坛,2005(8):52-53.

[6]楼文高.高新技术项目投资风险的人工神经网络综合评价模型[J].科研管理技术与创新管理,2005,26(3):8-10.

[7]王永君.基于神经网络的超声—回弹法测强曲线的研究[J].山西建筑,2009,35(7):83-85.

[8]谢 德.人工神经网络在房地产评估中的应用[D].武汉:武汉大学,2005.