改进BP神经网络的建设项目集成管理绩效评价.doc

1、改进 BP 神经网络的建设项目集成管理绩效评价摘 要：将建设项目的绩效评价和集成管理思想相结合，构建了建设项目集成管理绩效评价指标体系；针对 BP 神经网络的缺陷进行改进，并在案例数据调查的基础上利用信息熵对指标进行约简，然后分别运用改进的 BP 神经网络和传统 BP 神经网络进行检验，结果表明：改进的 BP神经网络误差较小且收敛效果良好。 关键词：建设项目；集成管理；绩效评价；信息熵；改进 BP 神经网络 1.引言 目前我国的建设项目管理水平和国际先进水平比较，还存在着较大的差距，尤其在工程项目的集成管理方面。项目集成管理的思想：要充分正视和考虑项目控制的目标（工期、质量和成本）的系统性特点

2、，在控制过程中，始终将其作为一个系统来对待，而不是人为地割裂目标间的相互联系和相互作用1。因此，科学地对建设项目集成管理进行绩效评价能够从系统角度对建设项目的各个环节进行改进。 E.Chown 提出了通过使用任务过程系统化的集成数据库，将项目的任务、材料、设备、操作者的战略性日程综合起来，使资源的分配和控制十分有效2。Glenn Ballard 介绍了在高速铁路建设项目中将项目管理技术，业务流程和组织集成起来构成项目管理集成系统3。JaafariA 提出了基于全寿命期目标的一般项目管理模型，以此将整个项目的过程集成起来。郭勇把人工神经网络应用在绩效评价中，首先对单个指标质量、成本、进度进行研究

3、并建立模型，然后运用人工神经网络对建立的模型进行综合评价4；刘劼把供应链的思想应用到集成管理绩效评价中，建立了基于层次分析法的模糊综合评价模型，并对构建的建设项目集成管理绩效评价体系的战略层、执行层和结果层等方面的高效性和及时性进行评价5；刘洪海提出了建设项目集成管理系统绩效是由目标系统要素、业务过程系统结构、信息系统环境等决定的，同时通过“三维系统”模型，分析了建设项目集成管理绩效模糊综合评价方法6。 传统的项目绩效评价关注项目内部评估，不重视子项目与外部利益相关者的关系且多采用财务数据，不能反映企业整体的运营状况。本文首先从项目集成管理的角度出发，构建建设项目集成管理绩效评价指标体系，然后

4、对传统的 BP 神经网络进行改进，最后通过案例验证方法的有效性。 2.构建建设项目集成管理绩效评价指标体系 在建设项目集成管理绩效评价中，借鉴供应链管理的思想，对建设项目建立的全部过程按照供应链管理的思想进行管理与规划7-9。首先，在设立评价指标时，除了对企业内部运作的基本评价外，还要把注意力放在供应链的测控上，以保证内外在绩效上达到一致，使供应链评价指标更加集成化；其次，注重指标之间的平衡，做到非财务指标和财务指标并重，关注供应链的长期发展和短期利润的有效组合，实现两个目标之间的有效传递。建设项目供应链是以建设项目为核心，围绕核心企业（项目公司） ，通过对信息流、物流、资金流进行控制，所以在

5、此选取项目公司作为核心企业建立评价指标体系如表 1 所示。 3.BP 神经网络算法的改进 3.1BP 神经网络的学习算法 误差反传前馈网络（Back-Propagation）48-51是典型的前馈网络，其算法的基本思想是：误差逆传播神经网络是一种具有三层或三层以上的阶层神经网络10-11。典型的 BP 网络 是三层，即：输入层、隐含层和输出层，经典三层 BP 算法的学习过程如下所示： 4.3 网络构造、训练及检验 构建建设项目集成管理的三层前馈网络神经网络模型，影响建设项目集成管理绩效的 26 个因素作为输入层的 26 个节点，隐含层取 30 个节点。隐含层的传递函数为双曲正切 S 形函数。此

6、改进 BP 网络的输出层节点数为 1，输出层的传递函数为线性函数。网络训练时性能函数为误差平方和 SSE，初始化各层的连接权矩阵为 0 矩阵，网络训练时的最大步长为100000，网络性能目标（SSE）设为 10-6，学习速率为 0.01，动量常数为 0.9，每次梯度动量下降步长 为 1.2。依据以上参数，将 26 个集成项目的前 20 组数据作为训练子集，后 6 组数据作为检验子集，应用改进的BP 神经网络对标准化后的数据进行训练学习，得到最好的梯度下降图，如图 1 所示，该网络经过 596 次训练达到精度要求，说明在收敛方面有很好的效果。 为了检验建立的三层 BP 网络和传统的 BP 网络对

7、建设项目集成管理绩效评价的准确性，利用检验子集对改进的 BP 网络和传统的 BP 网络分别进行仿真实验。输出结果如表 3 所示。 改进的 BP 网络在收敛程度上，由于梯度动量下降步长的存在，收敛图明显有下降的趋势，而且每次下降呈增加的趋势；同时，梯度下降步长 克服了传统 BP 网络容易形成局部最优而达不到全局最优的弊端。在检验方面，由改进的 BP 神经网络得出的训练结果明显好于传统 BP 网络所得出的训练结果，并且误差明显小于传统 BP 网络的误差。由此可知，基于改进的 BP 神经网络对建设项目集成管理的绩效评价是可行的、准确的和有效的。 5.结论 本文首先将集成管理思想融入到建设项目的绩效评

8、价中，建立了建设项目集成管理绩效评价指标体系，然后针对 BP 神经网络算法进行改进，并在对实际建设项目进行调查的基础上，应用信息熵对建设项目集成管理绩效评价指标体系进行约简，得出更符合企业实际的建设项目集成管理绩效评价指标体系，最后运用改进的 BP 神经网络模型对建设项目集成管理绩效进行综合评价，验证了该方法的有效性和科学性，为建设项目集成管理绩效评价的研究提供一种新的可操作性方法。 参考文献 1 戚安邦.建设项目全面造价管理M.南开大学出版社，2000 2 E.Chown，K .Mohamed.Integrated Construction Activity Cost System.AACE

9、 International. Transactions of the Annual Meeting 43d Annual Meeting of RACE International.l 999：568574 3 Glenn Ballard， Managing work flow on design projects： a case study， Engineering Construction and Architectural Management， Volume 9 Issue 3， June 2002 4 A. Jaafari， K .Manivong. Synthesis of A

10、Model for Life-cycle Project ManagementJ.Computer-aided Civil and Infrastructure Engineering.2000，15 （1） 26 38 5 刘颉.建设项目集成管理绩效评价理论与方法研究D.武汉.武汉理工大学，2006 6 刘洪海.建设项目目标控制系统集成管理研究D.武汉.武汉理工大学，2006 7 何曙光、齐二石、汪洋.面向工程建设的现代集成管理系统研究J.计算机集成制造系统，2002（4）：330-332 8 强茂山、杨亮、邓焕彬.高速公路建设项目集成化管理评价体系J.清华大学学报（自然科学版） ，2010，50（9 ）：1369-1373 9 吴育华、王凤鸣.超大型工程建设项目集成管理研究J河北工程大学学报：社会科学版，2008.25（3）：1-2. 10 韩力群.人工神经网络理论、设计及应用M.北京.化学工业出版社，2002.6 11 闻新、周露、王丹力、熊晓英. MATLAB 神经网络应用设计M.北京.科学出版社，2002.2 12 宋喜民.基于熵理论的房地产投资决策研究D.河北建筑科技学院，2002