一種基於神經網絡的建設項目社會穩定風險評估方法與流程
2023-05-29 12:19:16 4
本發明涉及建設項目領域，特別是涉及一種基於神經網絡的建設項目社會穩定風險評估方法。
背景技術：
在現有建設項目社會穩定風險評估方法中，如圖1所示，現有技術的技術方案首先針對具體的建設項目進行主要風險因素識別。然後確定各個風險因素的風險權重、風險概率以及風險影響程度，並將其相乘。最後具體建設項目的綜合風險值是通過各個風險因素的風險權重、風險概率以及風險影響程度相乘，再相加獲得。現有技術的缺點：1.適用範圍窄，目前社會穩定風險評估僅針對具體的建設項目開展，未建立適用各類建設項目的全視角的系統化的社會穩定風險評估指標體系。2.主觀影響大，現有的社會穩定風險評估以定性分析為主，針對建設項目的主要風險因素進行量化也主要依賴相關專家的經驗，故建設項目的綜合風險值受主觀影響大，需要探尋一種客觀的科學的量化建設項目社會穩定風險值。3.缺乏創新力，現有技術在項目主要風險因素量化過程中僅採取基礎數學方法，缺乏方法上的創新力，隨著神經網絡研究的不斷成熟，將神經網絡運用到社會穩定風險評估中勢在必行。
技術實現要素：
有鑑於此，本發明的目的是提供一種基於神經網絡的建設項目社會穩定風險評估方法，構建一套全面的、普適性的建設項目社會穩定風險指標體系；結合模糊數學方法與線性神經網絡模型，建立一套客觀、科學、系統的建設項目社會穩定風險等級評判系統；利用matlab數學軟體，獲得建設項目在採用風險防範措施前後情況下的綜合風險值，並針對各個風險因素的重要性進行排序，為項目法人單位在項目建設實施過程中有針對性採取風險防範措施提供科學的依據。
本發明採用以下方案實現：一種基於神經網絡的建設項目社會穩定風險評估方法，包括以下步驟：
步驟s1：對具體建設項目的主要風險因素進行識別，形成風險清單；
步驟s2：根據社會燃燒理論，構建社會穩定風險評估指標體系，該指標體系分為三個層次，並根據有無徵地拆遷，將指標體系分為四大類；
步驟s3：根據通用的社會穩定風險清單，構建一份用以進行調查的建設項目社會穩定風險因素重要性評判調查問卷；
步驟s4：對全部的主要風險因素進行評估，選取構建的指標體系中的第二層的全部指標作為評估指標，利用隨機數函數構建出符合模糊綜合評價法要求的隸屬度矩陣；將隸屬度矩陣與對應的第二層指標權重，經模糊綜合評價法的運算，得出社會穩定風險值；同時，將隸屬度矩陣與評判語等級向量運算得到一個單因素評判向量；
步驟s5：將單因素評判向量與對應的社會穩定風險值組合成為一個神經網絡的樣本，重複步驟s4直至產生足夠數量的訓練與檢驗樣本，同時將樣本排版並保存在excel表格中；將單因素評判向量作為神經網絡的輸入，社會穩定風險值作為神經網絡的輸出；
步驟s6：根據步驟s5中的數據，利用matlab軟體按照既定的功能進行程序的編輯，構建建設項目社會穩定風險評估神經網絡模型，經樣本訓練與檢驗，模型預測誤差微小，達到預期目標；
步驟s7：在實際建設項目社會穩定風險評估中，採用調查問卷對本項目的社會穩定風險程度進行調查，調查分為採取風險防範措施前與採取風險防範措施後2次被調查者對項目社會穩定風險的評判；
步驟s8：將2次風險程度的調查問卷在excel表格中匯總成兩個矩陣，並且行歸一化形成本項目的隸屬度矩陣，再轉化為單因素評判向量；運行建設項目社會穩定風險評估神經網絡模型，讀取excel表格中兩個單因素評判向量，模型經運算後，輸出本項目在採取風險防範措施前後的兩個社會穩定風險值，同時輸出採取防範措施後風險因素的風險大小並進行排序。
進一步地，所述步驟s1中，風險清單中包括71個主要風險因素，所述主要風險因素根據風險因素屬性進行劃分，具體包括：政策規劃、安置補償、社會安全、自然環境、土地環境、社會環境、經濟效益、建設管理、輿論導向、文化風俗、利益訴求、立項審批、徵地拆遷、監督機制、風險管理15種類型。
進一步地，所述步驟s2中，所述社會穩定風險評估指標體系有三個層次：第一層有3個指標分別為燃燒物質、助燃劑、點火溫度；第二層有15個指標分別為政策規劃、安置補償、社會安全、自然環境、土地環境、社會環境、經濟效益、建設管理、輿論導向、文化風俗、利益訴求、立項審批、徵地拆遷、監督機制、風險管理；第三層有71個指標分別對應風險清單中的因素。
進一步地，所述步驟s2中，所述社會穩定風險評估指標體系有四大類：第一類為無土地徵收無房屋徵收指標體系(無徵無拆)，第二類為無土地徵收有房屋徵收指標體系(無徵有拆)，第三類為有土地徵收無房屋徵收徵指標體系(有徵無拆)，第四類為有土地徵收有房屋徵收指標體系(有徵有拆)。
進一步地，所述社會穩定風險評估指標體系中，若第三層指標的「主要」比重為bijr，則各層權重設為w，其中wi表示第一層指標的權重，wij表示第二層指標的權重，wijr表示第三層指標的權重，各層權重計算公式如下：
第三層指標權重：
第二層指標的平均比重：
第二層指標權重：
第一層的平均比重：
第一層的指標權重：
進一步地，所述步驟s3中，所述調查問卷針對71個風險因素的重要性進行社會調查，依據調查結果與構建的評估體系，運用數理統計的辦法計算出指評估體系中各指標的權重，依據評估指標體系組建成指標權重體系。
進一步地，所述步驟s4中，選取構建指標體系中的第二層15個指標全部作為評估指標，在excel表格中運用隨機數函數隨機產生0至1的隨機數，組建成一個15x4的矩陣，使得矩陣的每行四個數據的總和為1，由此構建出符合模糊綜合評價法要求的隸屬度矩陣；將隸屬度矩陣與對應的第二層指標權重，經模糊綜合評價法的運算，得出社會穩定風險值，同時，將隸屬度矩陣與評判語等級向量[0,0.36，0.64,1]t運算得到一個單因素評判向量。
進一步地，所述步驟s4中，構建符合模糊綜合評價法要求的隸屬度矩陣，具體為：模糊綜合評判集b將指標集的權重和各指標的評價隸屬度相互運算的一個排序，如下式所示：
其中模糊算式有4種情況，分別為m(∧，∨)評判算子、m(·，∨)評判算子、評判算子和m(·，+)評判算子4種模型，取大為「∨」，取小為「∧」，ai為每個風險因素所分的權重大小，模糊關係矩陣r，選取m(·，+)加權平均模型，則
進一步地，所述步驟s6中，建設項目社會穩定風險評估神經網絡模型具備兩個功能：第一個功能是得出對社會穩定風險值，並評判風險程度的高、中、低；第二個功能是對評估的風險因素進行風險大小的排序，得到作為主要風險的風險因素。
進一步地，所述步驟s6中，所述神經網絡模型為線性神經網絡，所述線性神經網絡的訓練關係y＝purelin(w×p+b)滿足求和關係，其中y是神經網絡的輸出，w是權值，p是輸入，b是閥值，w×p可以用來表示因素的風險大小，閥值b在訓練後是個很小的數，對整體的輸出y影響小。
進一步地，所述步驟s8中，將2次風險程度問卷調查在excel表格中匯總成兩個15x4矩陣，並且行歸一化形成本項目的隸屬度矩陣，再轉化為單因素評判向量；運行建設項目社會穩定風險評估神經網絡模型，讀取excel表格中兩個單因素評判向量，模型經運算後，輸出本項目在採取風險防範措施前後的兩個社會穩定風險值，同時輸出採取防範措施後15個風險因素的風險大小並進行排序。
相較於現有技術，本發明具有以下有益效果：
第一，現有技術對風險權重、風險概率以及風險影響程度相乘並累加，存在定量化過程簡單、粗獷且主觀色彩強的缺點。本發明採用模糊綜合評價法與神經網絡相結合的定量化數學手段，使得社會穩定風險評估的更具客觀性。模糊綜合評價法採用模糊數學的原理來進行評估的，模糊數學擅長與解決風險因素這類具有模糊性、難以定量化的問題；神經網絡通過大量樣本的學習使其具備有較強的模擬能力，賦予其一些「專家」的特性，經過神經網絡內部的運算可以進一步減小人的主觀因素。
第二，現有技術的首要步驟是先前篩選出幾個主要風險因素，再對這幾個主要風險因素進行定量化計算，篩選主要風險因素的過程同樣存在較強的個人主觀色彩，篩選的主要因素不一定準確。本發明在評估過程中沒有挑選出個別因素進行針對性評估，而是全部風險因素一起進行評估。經過神經網絡的運算後得到各個風險因素的風險大小，再根據風險大小排序挑選出風險較大的因素，對這些風險較大的因素再提出針對性防範措施。這樣經過計算大小後在挑選出主要風險因素更具科學性與說服力。
第三，現有技術的權重時通過評估人員或者某些專家直接確定的，該過程同樣是個人主觀色彩強，人為因素影響大。本發明權重的確定是通過一份廣泛的社會問卷調查來計算的，而不是直接給出權重的數值。本申請提案這份問卷調查的社會群體廣泛，涵蓋較多社會階層與人員，所以具備足夠的代表性。本申請提案通過這個群力群策的手段來確定指標權重，使得權重更符合實際情況。
附圖說明
圖1是現有技術的方法流程圖示意圖。
圖2是本發明的方法流程圖示意圖。
圖3是本發明的建設項目社會穩定風險評估神經網絡模型流程圖。
具體實施方式
下面結合附圖及實施例對本發明做進一步說明。
本實施例提供一種基於神經網絡的建設項目社會穩定風險評估方法，如圖2和圖3所示，包括以下步驟：
步驟s1：通過客觀信息源為主、個人主觀判斷為輔的方式對建設項目的社會穩定風險因素進行識別，形成通用的風險清單；
步驟s2：根據社會燃燒理論，構建社會穩定風險評估指標體系，該指標體系分為三個層次，並根據有無徵地拆遷，將指標體系分為四大類；
步驟s3：根據通用的社會穩定風險清單，構建一份用以進行調查的建設項目社會穩定風險因素重要性評判調查問卷；
步驟s4：對全部的主要風險因素進行評估，選取構建的指標體系中的第二層的全部指標作為評估指標，利用隨機數函數構建出符合模糊綜合評價法要求的隸屬度矩陣；將隸屬度矩陣與對應的第二層指標權重，經模糊綜合評價法的運算，得出社會穩定風險值；同時，將隸屬度矩陣與評判語等級向量運算得到一個單因素評判向量；
步驟s5：將單因素評判向量與對應的社會穩定風險值組合成為一個神經網絡的樣本，重複步驟s4直至產生足夠數量的訓練與檢驗樣本，同時將樣本排版並保存在excel表格中；將單因素評判向量作為神經網絡的輸入，社會穩定風險值作為神經網絡的輸出；
步驟s6：根據步驟s5中的數據，利用matlab軟體按照既定的功能進行程序的編輯，構建建設項目社會穩定風險評估神經網絡模型，經樣本訓練與檢驗，模型預測誤差微小，達到預期目標；
步驟s7：在實際建設項目社會穩定風險評估中，採用調查問卷對本項目的社會穩定風險程度進行調查，調查分為採取風險防範措施前與採取風險防範措施後2次被調查者對項目社會穩定風險的評判；調查的對象為本項目的各方參與者(業主、設計、政府部門等)與項目涉及的相關群眾，調查方式採用問卷形式，針對有無採取防範措施進行2次問卷；
步驟s8：將2次風險程度的調查問卷在excel表格中匯總成兩個矩陣，並且行歸一化形成本項目的隸屬度矩陣，再轉化為單因素評判向量；運行建設項目社會穩定風險評估神經網絡模型，讀取excel表格中兩個單因素評判向量，模型經運算後，輸出本項目在採取風險防範措施前後的兩個社會穩定風險值，同時輸出採取防範措施後風險因素的風險大小並進行排序。
在本實施例中，運用主觀信息源與客觀信息源的方法識別出通用的社會穩定風險因素，再參考期刊文獻、社會穩定風險評估報告等資料進行補充，匯總出一份具有71個影響因素的社會穩定風險清單，該清單具有較強的普適性與通用性，能夠運用到一般的建設項目中；則所述步驟s1中，風險清單中包括71個主要風險因素，如下表所示；所述主要風險因素根據風險因素屬性進行劃分，具體包括：政策規劃、安置補償、社會安全、自然環境、土地環境、社會環境、經濟效益、建設管理、輿論導向、文化風俗、利益訴求、立項審批、徵地拆遷、監督機制、風險管理15種類型。
在本實施例中，所述步驟s2中，所述社會穩定風險評估指標體系有三個層次：第一層有3個指標分別為燃燒物質、助燃劑、點火溫度；第二層有15個指標分別為政策規劃、安置補償、社會安全、自然環境、土地環境、社會環境、經濟效益、建設管理、輿論導向、文化風俗、利益訴求、立項審批、徵地拆遷、監督機制、風險管理；第三層有71個指標分別對應風險清單中的因素。
在本實施例中，所述步驟s2中，所述社會穩定風險評估指標體系有四大類：第一類為無土地徵收無房屋徵收指標體系(無徵無拆)，第二類為無土地徵收有房屋徵收指標體系(無徵有拆)，第三類為有土地徵收無房屋徵收徵指標體系(有徵無拆)，第四類為有土地徵收有房屋徵收指標體系(有徵有拆)。
在本實施例中，所述社會穩定風險評估指標體系中，若第三層指標的「主要」比重為bijr，則各層權重設為w，其中wi表示第一層指標的權重，wij表示第二層指標的權重，wijr表示第三層指標的權重，各層權重計算公式如下：
第三層指標權重：
第二層指標的平均比重：
第二層指標權重：
第一層的平均比重：
第一層的指標權重：
在本實施例中，所述步驟s3中，所述調查問卷針對71個風險因素的重要性進行社會調查，依據調查結果與構建的評估體系，運用數理統計的辦法計算出指評估體系中各指標的權重，依據評估指標體系組建成指標權重體系。由於該指標權重具有一定的通用性，所以再運用模糊綜合評價法時，該指標權重是固定的，不隨建設項目的變化而變化，只有建設項目的隸屬度矩陣隨著建設項目的變化而變化。
在本實施例中，所述步驟s4中，選取構建指標體系中的第二層15個指標全部作為評估指標，在excel表格中運用隨機數函數隨機產生0至1的隨機數，組建成一個15x4的矩陣，使得矩陣的每行四個數據的總和為1，由此構建出符合模糊綜合評價法要求的隸屬度矩陣；將隸屬度矩陣與對應的第二層指標權重，經模糊綜合評價法的運算，得出社會穩定風險值，同時，將隸屬度矩陣與評判語等級向量[0,0.36，0.64,1]t運算得到一個單因素評判向量。
在本實施例中，所述步驟s4中，構建符合模糊綜合評價法要求的隸屬度矩陣，具體為：模糊綜合評判集b將指標集的權重和各指標的評價隸屬度相互運算的一個排序，如下式所示：
其中模糊算式有4種情況，分別為m(∧，∨)評判算子、m(·，∨)評判算子、評判算子和m(·，+)評判算子4種模型，取大為「∨」，取小為「∧」，ai為每個風險因素所分的權重大小，模糊關係矩陣r，選取m(·，+)加權平均模型，則
在本實施例中，所述步驟s6中，建設項目社會穩定風險評估神經網絡模型具備兩個功能：第一個功能是得出對社會穩定風險值，並評判風險程度的高、中、低；第二個功能是對評估的風險因素進行風險大小的排序，得到作為主要風險的風險因素。
在本實施例中，所述步驟s6中，所述神經網絡模型為線性神經網絡，所述線性神經網絡的訓練關係y＝purelin(w×p+b)滿足求和關係，其中y是神經網絡的輸出，w是權值，p是輸入，b是閥值，w×p可以用來表示因素的風險大小，閥值b在訓練後是個很小的數，對整體的輸出y影響小。
在本實施例中，所述步驟s8中，將2次風險程度問卷調查在excel表格中匯總成兩個15x4矩陣，並且行歸一化形成本項目的隸屬度矩陣，再轉化為單因素評判向量；運行建設項目社會穩定風險評估神經網絡模型，讀取excel表格中兩個單因素評判向量，模型經運算後，輸出本項目在採取風險防範措施前後的兩個社會穩定風險值，同時輸出採取防範措施後15個風險因素的風險大小並進行排序。
綜上所述，本發明具備以下優點：
第一，將模糊綜合評價法與神經網絡引入到建設項目社會穩定風險評估上來，使得評估工作更客觀並程序化。
第二，採用全部的風險因素進行社會穩定風險評估，經過神經網絡模型對各風險因素進行風險大小排序後，再挑選出主要風險因素。對風險值較大的風險因素採取相應的針對性防範措施。
第三，通過對大範圍群體做關於建設項目社會穩定風險因素的重要程度問卷調查，從而確定建設項目社會穩定風險評估體系指標的權重值。計算指標權重不是一些專家來「打分」確定的，而是基於問卷的調查數據通過數理統計的方法確定的，使得指標權重具備通用性。
第四，針對建設項目社會穩定風險評估，通過間接「固定」指標權重，只對風險程度進行實際調查來完成評估工作。
以上所述僅為本發明的較佳實施例，凡依本發明申請專利範圍所做的均等變化與修飾，皆應屬本發明的涵蓋範圍。