“一带一路”沿线地区煤矿企业基建项目风险发生概率预测研究

李红霞 黄已芯 田水承 李 琰

(1. 西安科技大学管理学院，陕西省西安市，710054；2. 西安科技大学能源学院，陕西省西安市，710054；3. 西安科技大学安全管理研究所，陕西省西安市，710054)

“一带一路”沿线地区煤矿企业基建项目风险发生概率预测研究

李红霞1黄已芯2田水承3李 琰1

(1. 西安科技大学管理学院，陕西省西安市，710054；2. 西安科技大学能源学院，陕西省西安市，710054；3. 西安科技大学安全管理研究所，陕西省西安市，710054)

依据“一带一路”沿线地区风险发生不确定性的产生根源，将煤矿企业基建过程中的风险进行分类与识别，提出“一带一路”沿线地区煤矿企业基建活动的风险包括自然风险、文化宗教风险、市场风险、外协条件风险等11类风险及39个风险影响因素，并构建了风险发生概率的预测指标体系。利用CMAC神经网络理论，结合人工鱼群算法构建了风险发生概率预测模型，选取孟加拉国巴拉普库利亚煤矿基建过程中2013-2017年风险发生概率样本，对风险发生概率模型进行验证及风险发生概率进行预测。这对后续在“一带一路”沿线地区煤矿企业基建活动的风险预测与风险管控起到一定的参考作用。

“一带一路”沿线地区 能源基建项目 风险发生概率 风险预测 CMAC神经网络 人工鱼群算法

由于煤矿企业的基建项目具有不可回收、不可逆转、建设周期长等特殊性，大多数煤矿基建项目在实施过程中，由于某一个风险已经发生，且发生频率较高，导致煤矿企业在“一带一路”沿线地区进行基础设施建设具有较强的挑战性。例如，2013年大海则煤矿由于安全风险频发导致煤矿被迫停产接受检查，2015年巴基斯坦部分煤矿由于能源所属争议问题使得项目搁置等。诸多专家和学者也针对“一带一路”沿线地区的工程项目风险评价、工程风险预测方面进行了许多有益的研究，为部分能源企业基建项目的风险管控提供了理论支持。最具有代表性的是2014年杨晨曦等人依据博弈理论从政治角度分析了大国之间博弈对“一带一路”沿线国家能源合作的影响，阐述了破坏能源合作政治环境的根源，为后续能源企业选择合作国家提供了参考依据。而2015年马昀等利用事件梳理法提出“一带一路”战略下沿线国的工程基建项目最高的风险为政治风险、经济风险、安全风险与经营风险，深入识别了“一带一路”建设中突出风险的类别，以风险产生的根源为依据对风险进行分类细化，为后续更进一步分析风险发生的概率奠定了基础。2016年，方旖旎等人针对中国企业对“一带一路”沿线国家基建投资的特征与风险进行了分析，首次将OROIC-IWEP评级系统应用于基建类投资风险评价中，通过定量的方法将基建投资项目的特征及损失程度进行分析，切实提出了企业保护机制的建议，为后续基建类投资项目提供了实证依据。可是，在“一带一路”的特殊背景下，风险变化频率远远超过风险评价的速度，导致风险发生频率的预测值仍然低于实际风险发生频率。迫切需要一个更简单、收敛速度更快并具有泛化能力的风险发生概率预测的算法，完善针对“一带一路”沿线地区基建项目风险管理领域的理论体系。

CMAC模型是一种自适应、自学习的局部学习网络，已公开的研究成果主要聚焦于机器人控制、模式识别和信号处理等领域。信号领域的FCMAC控制器最具典型代表性，李彬等基于PID并行算法控制基础，巧妙地将神经网络理论CMAC算法与模糊控制结合，提高了控制精度并且具有良好的自适应特性；而模式识别领域，火力安全发电关键设备故障诊断的CMAC算法被作为拓展应用范围的奠基石，侯媛彬等利用CMAC算法与设备故障诊断检验相互结合，清晰地描述了CMAC算法诊断出关键设备故障的原理。由于该模型结构清晰，收敛速度更快，还具有一定的泛化能力，能解决风险预测的发生概率与实际风险发生频率不匹配的问题。因此，本文基于“一带一路”的大背景，试图探讨一种结合时代背景的能源企业风险发生概率的预测模型，为后期“一带一路”沿线地区的能源企业基建项目风险预测与控制提供一种新的参考。

1 风险识别及发生概率标准划分

1.1 风险识别

针对能源企业“走出去”面临的风险成因，结合已有的研究报道，运用模糊聚类方法，将风险划分为11类风险和引发各类风险的39个风险影响因素，利用数据可视化手段对“一带一路”战略下能源企业基建项目进行风险识别，如图1所示。

图1 “一带一路”战略下煤矿企业基建项目风险识别

1.2 风险发生概率标准划分

通过对“一带一路”沿线国能源企业基建风险识别，依据《工程建设项目可行性研究指南》的风险划分标准，将风险和风险影响因素的发生频率划分为5个等级，为数据样本的生成和风险发生概率预测提供理论依据，具体如表1所示。

表1 风险与风险影响因素发生频率等级标准 %

1.3 归一化处理

1.3.1 数据缺失的处理

(1)

j=1,2,…,nk

式中：P——风险发生频率；

j——某一个评价等级生成的评价样本序列容量；

i——某一风险；

k——评价等级数目。

1.3.2 归一化处理

能源基建项目风险发生概率预测指标体系共计39个风险影响因素及11类风险指标。由于每一个指标的单位和量纲存在较大差别，因此，在计算过程中需要对所有风险指标进行归一化处理，目的在于消除各指标之间单位和量纲产生的影响和数量级差别。归一化采用的公式如下：

(2)

式中：Xi*——归一化后的风险指标值；

Xi——归一化后的影响因素值；

Xmax——样本最大的影响因素指标值。

2 风险发生概率预测模型的构建

2.1 改进IAFSA算法定权

CMAC的权重值调整通常有两种情况：一种是学习方式，采用的是线性代数方程的雅可比迭代方法；另一种是轮训方式，采用高斯—赛德尔迭代法。但是，这两种方法所得权重均为一个值，而非一个值域。考虑到风险发生概率的特殊性，为求解并预测出风险发生概率的区间范围，避免风险由于受到时间、传导系数的波动影响而产生的波动性。利用人工鱼群对“营养区”的聚群的特性，采用对人工鱼个体优化，从而达到全局优化的特点，将IFASA算法用于调整权重大小，对每个风险进行权重域的计算。

定义单个人工鱼Is(t)在时期t的状态。则有：

(3)

式中：AF_number——人工鱼群的规模；

Is(t)——单条人工鱼在t时期的状态(维度为w)。

在CMAC中具有一个隐含层网络，那么初始设定输入层X集合中有x个输入量，维度w为hn个，输出层Y集合的个数为m个，则有：

w=h1(m+1)+h2(h1+1)+n(h2+1)

(4)

为保证人工鱼群算法调试的权值与CMAC模型的泛化能力互相匹配，按照每个AF中的分CMAC模型权重分布规律，AF取值应是由底层向高层的顺序，先取风险活跃度最强的前几组数据，后取风险活跃度最弱的后几组数据。那么第s个AF的状态经过几番轮训后可以得到一个数值或者是值域，如下式所示：

(5)

其中，Xs(t) 标识第s个AF的状态。不同的泛化能力将控制AF的大小，AF上下浮动影响wn，wn即为CMAC中的ωi。

2.2 CMAC网络模型构建

CMAC网络模型是一种类似神经生理学小脑皮层结构提出的“关联控制器”的网络态模型。图2为本文构建的二维输入/一维输出的CMAC风险发生概率预测模型网络结构。图2中的X空间表示一组n维输入的风险影响因素的发生概率，即输入变量的“虚拟”空间；而实际空间A表示具有m类风险个数的“存储单元”；X={x1,x2,…,xn}t则表示在X空间中所有n维的输入分量，即风险的特征分量，也被称为引发风险的影响因素；Y={y1,y2,…,yn}t则表示对应输出变量的特征向量。在实际过程中，“一带一路”沿线国家能源企业基建项目的风险不可能全部引发。那么则有，输入空间的X的一个元素xi会同时激活A实际空间中的yn个风险同时发生。使得yn个风险权重的叠加值为1，而其他没有发生的风险则为0。其中的n为C，即为CMAC网络中的泛化能力。

图2 CMAC风险发生概率预测模型网络结构

具体每一层网络结构解释如下：第一层输入层：将“虚拟”空间X的因素映射为实际空间A中的离散点，将X={x1,x2,…,xn}进行量化并进行数据预处理。设每一个风险的风险影响因素发生概率的分量可量化为一个值q，那么n个风险影响因素的分量集合可以成为一个风险的状态空间qn，那么具体风险发生概率的量化公式为：

Xp={x1,x2,…，xn}T,n=1,2,…,n

(6)

式中：Xp——风险影响因素集合；

xn——特征向量中分量的个数。

贫困地区基层组织弱化，部分地方执行人员由于自身素质不高，以一副领导视察的态势对待扶贫指导工作，执行力不够。部分审查与管理专项扶贫资金部门存在管理不严，自身内部督管不力，制度不健全的不良行政现象。在利益、权势驱动下少数地区政府为了追求短期政绩，不惜大量浪费和透支扶贫资源，有的还摊指标、造数字，使得扶贫开发的收效甚微。

第二层中间层：为满足“虚拟”空间Xp在实际空间Yp上有唯一的映射，那么实际空间Yp“储存单元”的个数则必须大于或等于“虚拟”空间Xp的状态个数。那么具体公式则为：

m≥qn

(7)

式中：m——Yp储存单元状态个数；

qn——n个特征分量个数。

那么，则有第二层的输入关系式：

输入关系：

(8)

输出关系：

(9)

式中：Yp——风险影响因素集合；

yn——特征向量中分量的个数；

p——特征分量集合的状态空间个数。

那么，通过哈希编码(Hash-coding)可将具有qn个存储单元的地址实际空间A映射到压缩后的物理地址空间Yp中。

第三层输出层(风险发生概率预测层)：通过第一层特征分量所组合出的风险和第二层“虚拟”空间Xp到实际空间Yp的唯一映射，将风险存放的权重值通过学习并将其累加为1则为CMAC网络的输出，达到风险发生概率(损失程度)的预测。那么则有某一个输入风险Xi的网络输出为：

(10)

式中：Y*——可能发生的风险个数；

ωi——风险对应的权重。

3 实证研究

在风险及风险影响因素发生概率等级标准基础上，选取《孟加拉国巴拉普库利亚矿井基础设施建设(第三期)基础说明书》中2012-2017年不同风险的风险发生频次。对巴拉普库利亚煤矿进行风险预测，为该煤矿后续的开拓和经营提供新的依据。

3.1 工程概况

巴拉普库利亚煤矿是孟加拉国第一个开发兴建的产能为1.0 Mt/a的大型现代化矿井。矿井位于孟加拉国的西北部，行政区划属于迪纳杰普尔省帕巴提布地区，地理位置为北纬25°31′～25°34′，东经88°57′～88°59′。本区交通便利，宽轨铁路自南向北在井田外缘西部穿过，是南北向宽轨铁路与东西向米轨铁路的交汇处。南部距井田5 km处有一条近东西向公路，向东与国家公路相连，向西北约5 km可达迪纳杰普尔省府，南行75 km可抵西北重镇博格拉市。距井田东部70 km的贾木纳河自北向南延伸，水运可达国内大小港口。井田北部30 km有赛伊德布尔飞机场，可直达首都达卡。本井田地面为恒河冲积平原的一部分，由恒河和贾木纳河冲积而成。区内地势平坦，地面标高+29～+32 m，北高南低，坡度甚微。

由于该矿的交通方便、煤层特厚、储量丰富、煤质良好、地质构造较简单、沼气含量低等优势，它成为了“一带一路”沿线地区较为典型的能源基建项目之一。但是，由于水文地质条件与人文环境复杂、地温较高，给矿井的开采带来较大的不利因素。由于该矿井具有丰富的储量，开采价值与投资回报率较高，因此，用巴拉普库利亚煤矿作为算例进行解释，是非常必要的。

3.2 验证

3.2.1 样本预处理

数据样本共780个，数据缺失率为1.4%，运用公式(1)填补5年内未搜集到的11个风险影响因素发生概率的样本。运用公式(2)对风险数据进行归一化处理，解决不同量纲所带来的无法进一步分析的问题。具体结果如表2所示。

表2 孟加拉国巴拉普库利亚煤矿基建项目部分风险与风险影响因素原始数据归一化结果 %

原始数据来源：《孟加拉国巴拉普库利亚矿井投资可行性分析简本》

3.2.2 编码

基于上述归一化结果，分别对11类风险及39个风险影响因素采用十进制法在[0,1]区间随机选取一组初始权值和阈值，利用MATLAB2016a软件依据公式(2)至公式(4)进行代码编程，其中，阀值控制在α=±0.1，浮动系数β=0.01，分别选取风险最高的2组和风险最低的2组样本作为权重调试。具体不同风险的权重上下值域如表3所示。

表3 不同风险的权重结果T

3.2.3 训练样本

选取11类风险与39个风险影响因素作为模型的输入，计算风险影响因素发生的概率值为输出。泛化参数C=11，风险发生概率值为输出，分别利用风险最高的5组和风险最低的5组样本作为训练的样本，其余样本用作预测。具体与BP模型标准状态下的训练误差的对比如图3所示。

图3 训练误差对比

3.2.4 验证

将求解的总风险发生概率的区间与2016年实际总风险发生的概率相比较，计算出与实际风险发生的概率出现的相对误差，以方便后续预测时将风险发生的波动差值作为预测浮动系数。具体验证结果对比如表4所示。

表4 验证结果对比

3.3 预测

在本文构建的风险发生概率预测模型的基础上，利用剩余的10组风险与风险影响因素样本数据，对巴拉普库利亚煤矿2017-2023年期间矿井基建项目风险发生概率进行预测，以便为决策者提供一定的参考依据。具体评价与预测结果如图4所示。

由图4可知，未来6年(2017-2023年)的风险发生概率分别为：0.3543-0.4628、0.2937-0.3633、0.3714-0.4553、0.4111-0.5371、0.4273-0.5311、0.3682-0.5017；风险等级分别为中(中低)风险、中低风险、中(中低)风险、中风险、中风险、中(中低)风险，说明煤矿企业在孟加拉国进行基建活动的风险依旧偏高。自然灾害、社会稳定程度、文化宗教差异、投资风险、非传统安全、外协条件等方面容易发生风险，应增强企业对企业所在国的法律及相关文化的培训与认知、加强抗雨水或干旱等自然灾害的能力、增强企业员工应对突发事故的应急管理能力等。投资与管理人员应根据项目实际情况，合理安排人力、物力、财力，不能只看见机遇看不到风险而出现盲目投资，投资前应做好风险防控预案与风险应对策略，以避免该能源基建项目在保证总体目标和效率的情况下顺利实施。

图4 IAFSA-CMAC风险发生概率预测结果

4 结论

本文针对当前在“一带一路”沿线地区进行基建活动出现的风险发生频率的预测值仍然低于实际风险发生频率的现状，在对影响“一带一路”沿线地区风险发生概率的影响因素的成因进行深入分析的基础上，结合煤矿企业基建项目建设周期，建立“一带一路”沿线地区能源基建项目风险发生概率预测指标体系。在传统CMAC神经网路模型的基础上，将改进的IAFSA引入CMAC模型，弥补了当前“一带一路”沿线地区煤矿基建项目风险评价时受到时间、传导系数的波动影响，导致评估风险发生的概率与实际发生概率不匹配的问题。最后综合应用于孟加拉国巴拉普库利亚煤矿的基建项目风险发生概率的预测中，得出了2017-2023年巴拉普库利亚煤矿风险发生概率的区间预测值，通过区间的划定，解决了当前评估过程中评价与实际发生的滞后问题，同时解决了当前定权过程中的盲目性与受主观影响的缺陷。为后期项目投资和管理人员制定风险防控预案和应对策略提供了一定的参考依据，对当前“一带一路”沿线地区能源企业及相关企业基建活动的投资与风险管控起到一定的指导作用。

[1] 裴长洪，于燕.“一带一路”建设与我国扩大开放[J]. 国际经贸探索，2015(10)

[2] 翟崑.“一带一路”建设的战略思考[J].国际观察，2015(4)

[3] 杨晨曦.“一带一路”区域能源合作中的大国因素及应对策略[J].新视野，2014(4)

[4] 马昀.“一带一路”建设中的风险管控问题[J].政治经济学评论，2015(4)

[5] 方旖旎.“一带一路”战略下中国企业对海外直接投资国的风险评估[J].西安财经学院学报，2016(1)

[6] 周姝春.CMAC学习性能及泛化性能研究综述[J].计算机仿真，2005(6)

[7] 李彬，郑宾，殷云华.基于MATLAB的新型CMAC控制器的设计与仿真[J].微计算机信息，2007(16)

[8] 侯媛彬，杜京义.改进小脑模型网络的干式变压器卷线机跑偏信号谐波分析[J].西安交通大学学报，2005(10)

[9] 张春轩.论工程项目风险成因与基本对策[J].科技信息(科学教研)，2007(27)

[10] 周平.“一带一路”面临的地缘政治风险及其管控[J].探索与争鸣，2016(1)

[11] 周绍琼.EPC工程总承包项目风险管理研究[D].西南财经大学，2013

[12] 《投资项目可行性研究指南》编写组.《投资项目可行性研究指南》[M].中国电力出版社，2002

[13] 飞艳.一种改进人工鱼群算法对BP神经网络的优化研究[J].湖南科技大学学报(自然科学版)，2016(1)

[14] 魏立新，张峻林，刘青松.基于改进人工鱼群算法的神经网络优化[J].控制工程，2014(1)

Studyonforecastofriskprobabilityofmininginfrastructureprojectsbasedonregionsalong"theBeltandRoad"

Li Hongxia1, Huang Yixin2, Tian Shuicheng3, Li Yan1

(1. College of Management, Xi'an University of Science and Technology, Xi'an, Shaanxi 710054, China；2. College of Energy, Xi'an University of Science and Technology, Xi'an, Shaanxi 710054, China；3.Institute of Safety Management, Xi'an University of Science and Technology, Xi'an, Shaanxi 710054, China)

In this paper, according to the origin of the uncertainty of the risk along the regions along "the Belt and Road", the risk index of mining enterprise infrastructure construction was classified and identified as 11 kinds of risks and 39 risk influencing factors including natural risk, cultural and religious risk, market risk, and external cooperation risk. The risk prediction model was established by using CMAC neural network theory and the artificial fish swarm algorithm. The risk occurrence possibility sample from infrastructure construction of Barapukuria Mine in Bangladesh in 2013-2017 was chosen to be predicted and verified.This would offer mining enterprises a reference value following the mining infrastructure management with the risk forecast and risk control aspect.

regions along "the Belt and Road", energy infrastructure, risk probability, risk forecast, CMAC neutral network, artificial fish swarm algorithm

TD-9

A

国家自然科学基金项目(71273208、71271169)，陕西省教育厅项目(14JK1445、14JZ026、15JZ036)，陕西省社科基金项目(2015R043)，西安科技大学项目(2013SY01、2014SX07、2012SZ01、15BY46)

李红霞，黄已芯，田水承等. “一带一路”沿线地区煤矿企业基建项目风险发生概率预测研究[J].中国煤炭，2017，43(11):30-36.

Li Hongxia, Huang Yixin, Tian Shuicheng, et al. Study on forecast of risk probability of mining infrastructure projects based on regions along "the Belt and Road" [J].China Coal，2017，43(11):30-36.

李红霞(1965-)，女，教授，博士生导师，陕西省教学名师、陕西省高校人文社会科学青年英才支持计划获得者。现任西安科技大学管理学院副院长，矿业经济与管理博士点学科带头人，兼任中国煤炭工业协会专家委员、中国管理工效学学会委员。主要研究方向：能源经济与管理、组织行为与管理等。

(责任编辑 宋潇潇)