大数据视角下水利工程质量风险管理措施初探

郭玲玲

摘要：水利工程施工会受到各种因素的影响，产生质量风险，从而影响到水利工程的经济效益和社会效益。在大数据背景下，可利用大数据技术进行水利工程质量风险的管理。本文就此展开了讨论，先是简单介绍了水利工程质量风险的形成，然后详细阐述了如何利用大数据技术管理水利工程质量风险。

关键词：大数据视角；水利工程；质量风险管理；措施

近年来，随着我国经济的发展，水利工程的建设质量也不断提高。但是水利工程的质量风险是客观存在的。只有加强水利工程的质量风险管理，才能降低水利工程的质量风险。所以，我国应该加大水利工程质量风险的管理研究，积极利用各种新技术、新思想，做好质量风险的评估、预测。

一、水利工程质量风险的形成

水利工程的质量风险是指施工过程中，一定时间和条件下各种不可预知的变动效果和产生影响的严重程度。风险与损失是并存在。只有降低水利工程质量风险，才能保证减少水利工程的损失。具体来说，其质量风险主要表现在以下几个方面：第一，水利工程具有一次性的特点，从可行性研究到竣工验收，每个环节都存在许多不可预知的风险。但人们对这些风险的认知并不充分，很难提前预防。第二，水利工程的施工规模较大、周期较长、涉及领域较广。多种不确定因素综合在一起，其质量风险更难以辨别。第三，水利工程易受自然、社会环境的影响，产生各种不可预知的施工干扰。总之，风险是不可控的。只有依据风险的产生规律，运用概率、统计方法，进行风险的分析，并采用有效的预防措施，才能降低质量风险对水利工程质量的影响。

二、大数据视角下水利工程质量风险的管理

1.水利工程质量管理的数据源

水利工程的质量风险包括工程行为风险、工程实体质量风险。水利工程的质量管理是由监督部门负责的。所以，水利工程的质量风险管理也应当由监督部门承担。为了更好地提高监管效率，监督部门可进行水利工程重点部门、重点环节的监管，并依据之前的历史数据、项目动态，进行监测分析。

需要注意的是对于监管对象的分析、预测，还应考虑水利工程的质量风险影响因素。但水利工程的质量风险影响因素比较多，且相互作用、相互影响。这就意味着无法准确描述质量风险的产生、传递、作用。如水利工程招投标中，存在围标串标、挂靠问题；完成水利工程招投标后，工程被多次转包问题；施工时，施工人员技术不足、现场监管不到位等问题。所以，可尝试建立相关管理系统，结合施工企业档案信息、信用数据平台，详细记录水利工程全建设过程的信息数据，然后再对这些信息进行整合、预处理，从而为后续风险的识别、预测打下数据基础。在这一过程中，主要就是利用大数据技术进行海量数据信息的筛选，筛选出有效的水利工程数据信息，并构建出质量风险预测、评价指标。这种方式是建立在可靠的数据基础上的，其风险预测结果更加准确。

2.水利工程质量风险管理的流程设计

就目前来说，质量风险的识别方法多是来源于风险形成机理的分析，其可靠性不足。现如今，随着科学技术的不断发展，大数据技术逐渐被应用到质量风险识别中。利用大数据技术可以从海量的、碎片化的数据中，筛选出有效的数据分析，并整理、归纳出有效的数据。这样风险识别者就可从数据入手，切实观察指标的变化，作出准确的判断。从中能够发现，进行风险评价必须进行数据的采集、分析、处理、反馈。鉴于此，可将整个研究过程分为三个阶段：

第一，从满足水利工程质量风险管理需求角度出发，建立质量初始风险清单。其主要内容就是：先调查不同监督部门的工作需求，然后利用查阅文献、专家调查等方式，明确风险指标清单。该阶段的重点在于海量数据的采集、分析。第二，依据清单采集数据。在这一过程中，可利用大数据技术，按照数据采集频率及格式等标准，从相关系统中定期抽取数据。第三，利用大数据分析技术、挖掘技术进行数据分析，并依据清单进行质量风险分析、预警。在这一过程中，还可依据工程实际，进行清单的优化，从而提高质量风险预测的准确性。

3.水利工程的风险管理需求

明确水利工程的风险管理需求，才能建立质量初始风险清单。考虑到施工单位、监理单位、质量监督单位都肩负着水利工程质量管理职责的责任。所以，在分析其风险管理需求时，需先分析各单位对水利工程质量的要求。

施工单位的主要职责就是进行水利工程的质量自检。监理单位主要是依据各项法律法规、技术标准、合同进行水利工程的质量监督。质量监督单位主要是利用行政手段，对水利工程建设各主体进行监督管理。显然，三者的质量监督职责、内容、广度均存在不同，其質量风险需求也不相同。因此，在依据水利工程质量风险管理需求，建立质量风险清单时，可先识别、选择不同施工阶段的质量风险指标，然后再进行指标结合的调研、选择、完善、专家调查、权重设定。这样形成的质量风险初始清单更加精确、有效。

4.数据采集方法

在完成质量风险清单建立后，需进一步加强相关数据的采集，以提高质量风险的管理水平。在数据采集时，可采用以下方法：

第一，进行初始风险指标的分级量化。对于国家法律法规、技术规程已经明确的指标，可依据规范进行量化。但对于无法明确分级量化的指标，可采用离散化的处理方法。第二，对于已经被采集且量化过的工程信息、监测数据，可采用数据交换方法，将其传递至质量风险数据库。对于已经被采集但无法量化的工程信息、监测数据，可将相关图片、视频先传递到风险数据库，而后再进行间接量化。

5.质量风险清单的优化方法

从上述文中能够了解到进行质量风险清单的优化，可提高水利工程质量风险预测的质量。在大数据时视角下，可采用大数据分析技术中的分类算法，譬如随机树、深度学习等，进行质量风险清单优化。其具体过程是：先将工程质量风险问题作为变量，初始风险清单中的指标作为属性变量，进而构建出齐全的测试集合、训练集合，用于分类计算。随后，建立多种训练模型，并利用测试数据，对比各种算法。同时，用最优算法进行初始风险指标分析，从而将质量风险问题按照重要程度区分开。最后，就可进行初始风险指标的删减、权重调整，最终达到初始风险清单适用性的目标。

综上所述，在水利工程的质量风险管理中，可以充分利用大数据技术改变以往水利工程质量风险的管理理念、思路、方法，实现水利工程质量风险的自动化处理，提升水利质量风险预测的准确性。

参考文献

[1]李梅杰.大数据视角下水利工程质量风险管理[J].城市建设理论研究（电子版），2018（06）：181-182.

[2]黄黎明，张可，龚寻，李明.大数据视角下水利工程质量风险管理[J].水利经济，2017，35（06）：66-70+82.

[3]魏献明，张博.水利工程施工质量风险管理初步探索[J].才智，2013（35）：349.

（作者单位：黑龙江省望奎县西洼荒水利站）