基于AHP和BP神经网络的装配式建筑供应商评价模型

章 俊，胡龙伟，孙 雨，黄宝伦，夏思雨

(青岛理工大学 管理工程学院，青岛 266525)

装配式建筑是由一个个的预制构件运输至现场，通过现场组装而成的建筑，具有缩小工期、质量高、精度高、节能节电节材环保等诸多优点。随着国家大力提倡装配式建造，对建筑项目需要满足一定的装配率，装配式建筑正成为一种趋势在全国开展开来。装配式不同于传统现浇方式，是由工厂直接运输成品，现场负责组装，故装配式构件的质量是确保装配式质量的关键。因此，从发包商的角度探索高效比选装配式建筑供应商的方法及决策模型，既是提升装配式建筑整体质量的迫切要求，也是顺应国家政策和装配式建筑发展趋势的迫切要求。

在装配式建筑供应商的选择研究问题上，范露华[1]提出了基于熵权 TOPSIS 模型对供应商进行优选排序。仇国芳等[2]采用粗糙集与改进的灰色局势相结合的方法，通过抽取关键影响指标和灰色决策思想，构建了构件承运商选择的综合评价模型，对供应商进行选择。以上研究对装配式建筑供应商的模型进行了研究，未对装配式建筑供应商选择因素进行系统阐述分析。潘雨红等[3]将DEMATEL和BP神经网络两种评价模型相结合，对评价指标进行指标的关联度分析，重新划分指标实际权重，更加准确地选择评价装配式建筑供应商。钱存华等[4]运用贝叶斯网络与TOPSIS 的模型相结合的方法，从企业的偏好出发，选择理想的装配式建筑供应商，却对指标的选取上并未太过完善。窦志武等[5]结合熵权法与 BP 神经网络法对口岸物流综合能力进行评价。以上研究有一些局限性。本文结合装配式建筑供应商的特点，为了防止使用单一主观赋权法所得权重与实际情况不符，运用AHP层次分析法进行赋权，得到评价权值，运用BP神经网络的实际输出与目标矢量来修改权值，建立评价模型及方法，兼顾了主观与客观赋权，使决策更加科学合理。

1 基于AHP和BP神经网络的装配式建筑供应商模型构建

1.1 装配式建筑供应商评价指标体系

为了能全面对装配式建筑供应商进行准确的评价，首先按照科学性、系统性、信息化的原则，借鉴陈为公等[6]装配式建筑部品供应商选择的研究成果，并与装配式建筑供应商方面专家进行交流，专家之间进行头脑风暴讨论，综合各方意见和实际情况，选取质量指标、价格指标、供货指标、协同服务指标作为装配式建筑供应商评价指标准则层，以产品合格率、质量管理率等14个指标作为方案层，建立装配式建筑供应商评价体系，邀请了10名专家参与指标权重的确定，综合分析后得出综合评价指标体系，如图1所示。

图1 装配式建筑供应商综合评价体系

1) 质量指标。质量指标主要包括产品合格率，质量管理率，原材料及配件质量，生产工艺水平，其中产品合格率=抽查产品合格数量/总产品数量，质量管理率指的是质量管理的效率情况，存在事故隐患时处理的能力，原材料及其配件的质量直接决定了装配式建筑质量情况。

2) 价格指标。产品价格影响着项目的经济性指标，产品的成本从某一方面反映了社会必要劳动时间，而物流成本和价格波动率影响着最终入库的价格。

3) 供货指标。送货准确程度对项目工期存在着举足轻重的意义。运输安全率、市场占有率也是装配式建筑综合评价的重要组成部分。

图2 AHP-BP模型建立过程

表1 A-B判断矩阵

4) 协同服务指标。对于能否协同高效地配合施工单位进行施工，是衡量装配式建筑供应商的必要因素，主要包括售后服务能力、协同人员技术水平、协同人员综合能力。

1.2 评价模型的构建

本文在构建装配式建筑供应商评价指标体系的基础上，采用AHP和专家评价法所确定的指标权重评价值为BP神经网络训练的先验样本，进行BP网络的训练，并建立了BP神经网络的评价结构模型，修正AHP得出的权重，建立AHP-BP评价体系，得出评价值，根据所得的评价体系进行装配式建筑供应商的选择[7]。该方法整合了各种方法的优点，兼顾了主观和客观的赋值，克服装配式建筑供应商选择评估过程中的人为因素，使评价结果更具说服力。AHP-BP模型建立过程如图2所示。

1.3 构造判断矩阵

建立层次分析模型后，为了使判断思维数学化、定量化，在装配式建筑供应商指标体系的基础上，装配式建筑工程领域专家采用1—9 标度方法，构造出准则层对于目标层的判断矩阵A-B，见表1。

对于此矩阵，计算可得λmax=2.839，CI=-0.05382，RI=0.90，CR=-0.0598<0.10，通过对装配式建筑供应商指标的分析，得各评价指标的权重系数，其重要性排序为：质量指标B1(0.5509)，价格指标B2(0.2125)，供货指标B3(0.1279)，协同服务指标B4(0.1087)。相应的，根据专家评判，构建的判断矩阵见表2—5，其一致性检验附后。

表2 B1-C判断矩阵

表3 B2-C判断矩阵

表4 B3-C判断矩阵

表5 B4-C判断矩阵

指标层各指标对总目标的重要性权重见表6。

表6 各指标权重

2 BP神经网络模型建立

2.1 神经网络训练样本的确定

本文模拟了25个供应商，在构建BP神经网络过程中，专家对25个供应商按照满分为10分进行打分，将专家打分的数据作为输入变量，将用AHP法确定的指标权重向量作为输出值，得出供应商的评价总分。将数据分为两份，其中20份作为学习样本，5份作为测试集，设 14 个三级指标所对应的权重为w=(w1,w2,…,w14)，其对应的得分为X=(X1,X2,…,X14) ，则 25 个装配式建筑供应商得分为Y=wX，即表7 中的期望得分一列数据。

图3 BP神经网络结构

2.2 网络训练

由于专家评分分值为10分，运用S型激活函数(0～1)进行归一化算法，原理为Y=(X-min)/(max-min)，使数据归一化，范围为0～1，通过Matlab2018进行模拟测试，随机产生测试集，训练集后，进行数据归一化，通过net=newff(p_train,t_train,9)创建训练网络，设置参数为：输入层有14个节点，根据隐含层节点数公式L=(M×N)/2和反复试验，最终确定隐含层共有9个节点，输出层节点为1，训练要求精度为10-3，设置最大训练次数为63 000次，网络结构如图3所示，训练过程如图4所示[8]。

2.3 BP网络训练结果

BP神经网络数据拟合结果如图5所示，根据图中可知R2=0.915，其值大于0.9，误差较小，接近1，训练验证测试值都大于95%，说明本文所构造的模型预测精度很高，可以利用该网络进行仿真模拟。

图5 BP神经网络数据拟合结果

表8 结果分析

由测试结果分析可知，测试集与输出集的相对误差在合理范围内，可以接受，证明用BP网络构建的模型具有较强科学性，因此，只需要根据输出值最大原则，选取输出值大的，作为装配式建筑供应商的最佳选择，根据现场需要，可选择一个或二个装配式建筑供应商作为其候选目标，极大缩小了选择范围。结果分析见表8。

3 结束语

针对装配式建筑供应商的综合评价问题，运用AHP法建立装配式建筑供应商定量化综合评价指标，运用BP神经网络设计了装配式建筑供应商选择综合评价方法，运用专家模拟打分法选取典型指标数据，对该评价网络进行训练、测试、验证。结果表明，该模型的有效性、实用性，可以为装配式建筑供应商的选择提供思路。本文的局限性在于评价指标从开发商的角度入手，未来的研究可以尝试从更多不同的视角(如产品的统一化)对装配式建筑供应商选择开展评价研究。