基于BP神经网络的装配式建筑供应链风险评价

张春生 乔梦菲

(河南理工大学土木工程学院，河南 焦作 454000)

0 引言

近年来，我国经济的稳定增长推进了建筑工业化的发展，为了实现建筑行业的快速转型，大力发展装配式建筑成为必然的手段和措施[1]。自2016年起，从中央到地方先后出台了促进装配式建筑发展的各项政策，“十四五”规划也着重强调了要发展装配式建筑、建设低碳城市。现阶段，装配式建筑发展仍存在成本高、产业链整合程度低、各参与方缺乏信息交流等制约因素[2]。将供应链管理思想融入装配式建筑，不仅能有效解决上述问题，还能大幅提高工作效率，促进交流合作，使利益达到最大化[3]。

装配式建筑供应链是以总承包商为核心，由设计单位、材料设备供应商、构件生产商、分包商和业主等共同构成的一个整体网络结构[4]，各单位之间通过物流、资金流和信息流相互连接[5]。当前，国内外学者对于装配式建筑的风险研究大多集中于质量[6]、安全[7]、进度[8]与成本[9]等方面，而对于其整体供应链风险的研究仍处于发展阶段。Koc等[10]将风险因素与利益相关方联系起来，确定了项目全生命周期各阶段影响供应链风险的关键利益相关方。Zhang等[11]对影响供应链弹性的因素进行了归纳总结，并构建了结构方程模型，证实了构件的生产和施工是供应链弹性的关键影响因素。Hsu等[12]探讨了进度偏差对装配式建筑供应链的影响，建立了能够选择最优生产和运输方案的数学模型。Yang等[13]使用模糊集定性比较分析法从整体的角度进行装配式建筑绿色供应链风险分析，充分考虑内外联系，有助于供应链所有参与方规避风险。黄桂林等[4]采用社会网络分析法对装配式建筑绿色供应链中利益相关方之间的风险进行分析，量化了风险与利益相关方之间的联系。孙亚琪等[14]结合复杂网络理论构建风险网络模型，分析了风险传递效应，并提出风险免疫策略。

本文基于总承包商视角，建立装配式建筑供应链风险评价指标体系，利用熵权法和模糊综合评价法对风险因素进行量化处理，并通过BP神经网络算法建立风险评价模型，降低了人为因素的影响，提高了风险评价的客观性与准确性，有助于总承包商更好地评估风险，进而采取有效的处理措施。

1 风险评价指标体系构建

检索中国知网(CNKI)中与装配式建筑供应链相关的期刊文献，结合对装配式建筑领域专家问卷调查和访谈的结果，遵循科学性、合理性的基本原则，筛选出相关风险因素。综合考虑装配式建筑项目全生命周期各阶段的风险，将装配式建筑供应链风险分为设计、采购、生产、运输以及装配阶段的风险和外部环境风险。

(1)设计阶段风险。方案的设计决定供应链整体的运作情况，而合理的构件拆分设计又是生产阶段生产出合格的构件以及装配阶段按时完成装配的重要保障，因而设计阶段的风险关系到整个项目的成败。

(2)采购阶段风险。若原材料质量不合格或供应不足而导致供应商无法及时供货，供应链下游企业的运作将会受到严重影响，采购产品的价格又关联供应链的成本控制。因此，降低采购阶段风险，不仅能够加强对供应链运作的管理，而且能够降低供应链的成本风险。

(3)生产阶段风险。装配式建筑项目区别于传统建筑项目的关键在于其构件的生产加工在工厂中进行，生产阶段的风险直接影响整个施工项目的质量与安全。构件制造商在装配式建筑供应链中居于核心地位，故降低生产阶段的风险能够从根本上提升供应链的韧性，提高供应链在受到影响时的恢复能力[15]。

(4)运输阶段风险。运输途中的交通状况存在不确定性，运输的准时性难以得到保证，若出现交通事故，将造成人员和财产的额外损失。运输过程中缺乏足够的保护措施，还会导致构件受损而无法使用。因此，控制运输阶段风险，有利于规避供应链的进度风险，提高供应链的稳定性。

(5)装配阶段风险。装配式建筑往往采用机械设备吊装各预制构件，构件存放不合理将会加大吊装的难度、降低工作效率，增加供应链的进度风险，施工工艺和施工人员技术水平不足则会引发质量问题甚至造成安全事故，严重威胁供应链的运作。

(6)外部环境风险。外部环境风险大体上可分为市场环境风险和自然环境风险。供需关系在一定程度上决定市场风险的大小。目前，装配式建筑理念还未完全被社会各界人士所认可，严重阻碍了市场对于装配式建筑项目的接受程度。因此，市场风险对于供应链的影响不容忽视[16]。自然环境风险主要包含气候、地质等影响因素。施工过程中若出现自然灾害或极端天气会导致工期延误、成本增加，从而加大供应链的成本、进度风险。

归纳总结筛选出的装配式建筑供应链的风险因素，构建风险评价指标体系，见表1，共包括6个一级指标和20个二级指标。

2 建立风险评价模型

2.1 BP神经网络概念

BP神经网络是一种多层前向神经网络，其特点是信号前向传播，误差反向传播[17]。BP神经网络具有自学习能力和非线性映射能力，能够客观、高效地处理影响因素复杂的风险评价问题[18]，因此选择其作为装配式建筑供应链的风险评价模型。

BP神经网络模型由输入层、隐含层和输出层组成，分别含有一定数量的神经元，并且相邻层之间的神经元互相连接。BP网络的学习训练有两个过程：第一个过程是前向传播，从输入层输入数据，数据经过隐含层后进入输出层计算结果，如果得到的实际输出结果与期望输出之间的误差大于设定值，那么误差将进入第二个过程，即反向传播，从输出层重新回到输入层，并利用误差值修正各连接权值。在BP神经网络中正向传播与反向传播不断交替进行，直到误差达到允许的范围为止[19]。

将20个风险评价指标作为输入层，每个项目的整体风险程度作为输出层，建立三层神经网络结构，如图1所示。通过输入和输出不断进行训练和学习，使BP神经网络能够代替专家进行评价，从而得到装配式建筑供应链风险评价模型。

2.2 确定样本数据

通过阅读相关文献资料及案例，整理出有代表性的12个装配式建筑项目作为样本进行分析，但装配式建筑供应链风险程度是定性指标，而BP神经网络模型需要有具体的数据进行学习，因此指标必须经过量化处理后才能进行仿真模拟。本文选择熵权法和模糊综合评价法进行指标的量化，首先用熵权法计算每个项目中所有评价指标的权值；其次，选择模糊综合评价法对各项目的整体风险程度进行评价；最后，建立BP神经网络模型对样本数据进行学习和分析。

2.2.1 熵权法指标权重

以问卷调查的形式邀请装配式建筑领域10名专家对12个样本项目中的各个评价指标进行打分。将风险程度分为4个等级，并给予相应的分值：1分为“风险高”，2分为“风险一般”，3分为“风险较低”，4分为“风险低”。根据熵权法原理和公式计算出指标权重，以项目1为例，该项目中各指标的权重见表2。

表2 项目1各指标权重汇总

2.2.2 模糊综合法确定整体风险得分

(2)建立评价因素的评语集，如下：V={低风险，较低风险，中等风险，高风险}。

(4)将6个二级因素集与V之间进行单因素评价，建立模糊综合判断矩阵Rx=(rij)m×n(x=1,2,3,4,5,6)。其中，rij表示第i个指标ui对应的第j个vj的隶属度。

(5)采用合成算子M(•，⊕)计算评价矩阵Bx，如下

(1)

(6)综合各二级指标的评价结果得到模糊综合评价矩阵B，B=[B1，B2，…，B6]T，采用合成算子M(•，⊕)计算模糊综合评价结果

(2)

根据最大隶属度原则，对最终评价结果进行判断，将C中的最大值对应的风险等级作为该装配式项目供应链风险的等级。

根据上述过程计算出各项目的整体风险评价结果，以项目1为例，设计阶段风险模糊矩阵为

设计阶段指标权重为

由式(1)可得到设计阶段风险评价矩阵

同理，可得到其他阶段风险的评价矩阵

由式(2)可得项目1的综合结果为

最终得出项目1的评价结果为低风险，同理可计算出剩余11个项目的整体风险评价结果，见表3和表4。

表3 样本数据的风险评价结果(项目1～6)

表4 样本数据的风险评价结果(项目7～12)

2.3 建立BP神经网络模型

2.3.1 BP神经网络算法步骤

(3)

(4)

(5)

(6)

(3)计算连接权值修正量。公式如下

(7)

(8)

式中，η为学习速率。

(4)计算阈值修正量。公式如下

(9)

(10)

通过输入不同的训练样本，不断修改每层神经元的连接权值和阈值，最终使误差达到允许的范围，停止学习。

2.3.2 网络训练与检验

本文中输入层节点共20个，输出层节点共4个，隐含层节点个数的计算公式如下

(11)

式中，h为隐含层的节点数量；a为输入层的节点数量；b为输出层的节点数量；u为[1，10]内任意常数，计算结果保留整数。

采用试凑法最终计算出隐含层节点个数为10个。将专家评分均值进行归一化处理，所得到的结果作为输入数据，见表5。对于输出层，将建筑供应风险评价的结果分为低风险、较低风险、中等风险、高风险4个等级，其对应输出向量见表6。

表5 样本数据指标评分汇总

表6 风险等级对应的输出向量

将表5中的第1～10组数据作为网络的训练样本数据，将第11、12组数据作为网络的测试样本数据，利用Matlab软件训练BP神经网络。分别选取logsig函数和purelin函数作为隐含层和输出层的激励函数，网络训练函数采用traingdx函数，网络性能函数选用MSE函数，循环次数为2000次，学习率为0.1，目标误差0.000 1。网络在经过1746次训练后，误差达到允许范围之内，结束训练，得到的误差曲线如图2所示。

将第11组、第12组数据输入训练好的神经网络，得到的输出结果为[0.012 2，1.013 4，0.020 0，-0.017 1]，[1.006 6，0.007 5，0.004 8，0.012 7]，符合期望评价[0，1，0，0]，[1，0，0，0]，风险类型为较低风险和低风险，模型评价结果与样本实际情况基本一致。由此可见，该风险评价模型精度较高，可为其他类似项目的风险评价提供参考。

3 结语

目前，我国建筑供应链体系仍处于发展阶段，装配式建筑的供应链风险管理面临极大挑战。为了更好地识别和管理风险、促进装配式建筑供应链的持续发展，有必要建立一个系统化的风险评价模型。根据上述研究结论，本文针对装配式建筑供应链风险管理提出以下建议：

(1)建立信息共享平台。装配式建筑供应链的稳定运作与各参与方的协同合作密不可分。建立供应链信息共享平台，不仅能够加强各参与方之间的交流合作，还能及时提取关键信息，避免出现因信息不对等而导致的施工效率低下等问题，从而加强对供应链的整体风险管理。

(2)建立风险预警机制。将BP神经网络与人工智能等算法融入供应链的风险评价，同时利用大数据平台建立供应链风险预警机制，及时应对装配式建筑供应链风险，采取风险处理措施。

(3)加强政府的监督与管理。装配式建筑供应链的稳定运行与政府的监管密不可分，政府可设立相关监管部门，完善监督制度，促进供应链的持续发展，为供应链的发展创造良好的条件。