一种基于神经网络的建设项目社会稳定风险评估方法与流程

本发明涉及建设项目领域，特别是涉及一种基于神经网络的建设项目社会稳定风险评估方法。

背景技术：

在现有建设项目社会稳定风险评估方法中，如图1所示，现有技术的技术方案首先针对具体的建设项目进行主要风险因素识别。然后确定各个风险因素的风险权重、风险概率以及风险影响程度，并将其相乘。最后具体建设项目的综合风险值是通过各个风险因素的风险权重、风险概率以及风险影响程度相乘，再相加获得。现有技术的缺点：1.适用范围窄，目前社会稳定风险评估仅针对具体的建设项目开展，未建立适用各类建设项目的全视角的系统化的社会稳定风险评估指标体系。2.主观影响大，现有的社会稳定风险评估以定性分析为主，针对建设项目的主要风险因素进行量化也主要依赖相关专家的经验，故建设项目的综合风险值受主观影响大，需要探寻一种客观的科学的量化建设项目社会稳定风险值。3.缺乏创新力，现有技术在项目主要风险因素量化过程中仅采取基础数学方法，缺乏方法上的创新力，随着神经网络研究的不断成熟，将神经网络运用到社会稳定风险评估中势在必行。

技术实现要素：

有鉴于此，本发明的目的是提供一种基于神经网络的建设项目社会稳定风险评估方法，构建一套全面的、普适性的建设项目社会稳定风险指标体系；结合模糊数学方法与线性神经网络模型，建立一套客观、科学、系统的建设项目社会稳定风险等级评判系统；利用matlab数学软件，获得建设项目在采用风险防范措施前后情况下的综合风险值，并针对各个风险因素的重要性进行排序，为项目法人单位在项目建设实施过程中有针对性采取风险防范措施提供科学的依据。

本发明采用以下方案实现：一种基于神经网络的建设项目社会稳定风险评估方法，包括以下步骤：

步骤s1：对具体建设项目的主要风险因素进行识别，形成风险清单；

步骤s2：根据社会燃烧理论，构建社会稳定风险评估指标体系，该指标体系分为三个层次，并根据有无征地拆迁，将指标体系分为四大类；

步骤s3：根据通用的社会稳定风险清单，构建一份用以进行调查的建设项目社会稳定风险因素重要性评判调查问卷；

步骤s4：对全部的主要风险因素进行评估，选取构建的指标体系中的第二层的全部指标作为评估指标，利用随机数函数构建出符合模糊综合评价法要求的隶属度矩阵；将隶属度矩阵与对应的第二层指标权重，经模糊综合评价法的运算，得出社会稳定风险值；同时，将隶属度矩阵与评判语等级向量运算得到一个单因素评判向量；

步骤s5：将单因素评判向量与对应的社会稳定风险值组合成为一个神经网络的样本，重复步骤s4直至产生足够数量的训练与检验样本，同时将样本排版并保存在excel表格中；将单因素评判向量作为神经网络的输入，社会稳定风险值作为神经网络的输出；

步骤s6：根据步骤s5中的数据，利用matlab软件按照既定的功能进行程序的编辑，构建建设项目社会稳定风险评估神经网络模型，经样本训练与检验，模型预测误差微小，达到预期目标；

步骤s7：在实际建设项目社会稳定风险评估中，采用调查问卷对本项目的社会稳定风险程度进行调查，调查分为采取风险防范措施前与采取风险防范措施后2次被调查者对项目社会稳定风险的评判；

步骤s8：将2次风险程度的调查问卷在excel表格中汇总成两个矩阵，并且行归一化形成本项目的隶属度矩阵，再转化为单因素评判向量；运行建设项目社会稳定风险评估神经网络模型，读取excel表格中两个单因素评判向量，模型经运算后，输出本项目在采取风险防范措施前后的两个社会稳定风险值，同时输出采取防范措施后风险因素的风险大小并进行排序。

进一步地，所述步骤s1中，风险清单中包括71个主要风险因素，所述主要风险因素根据风险因素属性进行划分，具体包括：政策规划、安置补偿、社会安全、自然环境、土地环境、社会环境、经济效益、建设管理、舆论导向、文化风俗、利益诉求、立项审批、征地拆迁、监督机制、风险管理15种类型。

进一步地，所述步骤s2中，所述社会稳定风险评估指标体系有三个层次：第一层有3个指标分别为燃烧物质、助燃剂、点火温度；第二层有15个指标分别为政策规划、安置补偿、社会安全、自然环境、土地环境、社会环境、经济效益、建设管理、舆论导向、文化风俗、利益诉求、立项审批、征地拆迁、监督机制、风险管理；第三层有71个指标分别对应风险清单中的因素。

进一步地，所述步骤s2中，所述社会稳定风险评估指标体系有四大类：第一类为无土地征收无房屋征收指标体系(无征无拆)，第二类为无土地征收有房屋征收指标体系(无征有拆)，第三类为有土地征收无房屋征收征指标体系(有征无拆)，第四类为有土地征收有房屋征收指标体系(有征有拆)。

进一步地，所述社会稳定风险评估指标体系中，若第三层指标的“主要”比重为bijr，则各层权重设为w，其中wi表示第一层指标的权重，wij表示第二层指标的权重，wijr表示第三层指标的权重，各层权重计算公式如下：

第三层指标权重：

第二层指标的平均比重：

第二层指标权重：

第一层的平均比重：

第一层的指标权重：

进一步地，所述步骤s3中，所述调查问卷针对71个风险因素的重要性进行社会调查，依据调查结果与构建的评估体系，运用数理统计的办法计算出指评估体系中各指标的权重，依据评估指标体系组建成指标权重体系。

进一步地，所述步骤s4中，选取构建指标体系中的第二层15个指标全部作为评估指标，在excel表格中运用随机数函数随机产生0至1的随机数，组建成一个15x4的矩阵，使得矩阵的每行四个数据的总和为1，由此构建出符合模糊综合评价法要求的隶属度矩阵；将隶属度矩阵与对应的第二层指标权重，经模糊综合评价法的运算，得出社会稳定风险值，同时，将隶属度矩阵与评判语等级向量[0,0.36，0.64,1]^t运算得到一个单因素评判向量。

进一步地，所述步骤s4中，构建符合模糊综合评价法要求的隶属度矩阵，具体为：模糊综合评判集b将指标集的权重和各指标的评价隶属度相互运算的一个排序，如下式所示：

其中模糊算式有4种情况，分别为m(∧，∨)评判算子、m(·，∨)评判算子、评判算子和m(·，+)评判算子4种模型，取大为“∨”，取小为“∧”，ai为每个风险因素所分的权重大小，模糊关系矩阵r，选取m(·，+)加权平均模型，则

进一步地，所述步骤s6中，建设项目社会稳定风险评估神经网络模型具备两个功能：第一个功能是得出对社会稳定风险值，并评判风险程度的高、中、低；第二个功能是对评估的风险因素进行风险大小的排序，得到作为主要风险的风险因素。

进一步地，所述步骤s6中，所述神经网络模型为线性神经网络，所述线性神经网络的训练关系y＝purelin(w×p+b)满足求和关系，其中y是神经网络的输出，w是权值，p是输入，b是阀值，w×p可以用来表示因素的风险大小，阀值b在训练后是个很小的数，对整体的输出y影响小。

进一步地，所述步骤s8中，将2次风险程度问卷调查在excel表格中汇总成两个15x4矩阵，并且行归一化形成本项目的隶属度矩阵，再转化为单因素评判向量；运行建设项目社会稳定风险评估神经网络模型，读取excel表格中两个单因素评判向量，模型经运算后，输出本项目在采取风险防范措施前后的两个社会稳定风险值，同时输出采取防范措施后15个风险因素的风险大小并进行排序。

相较于现有技术，本发明具有以下有益效果：

第一，现有技术对风险权重、风险概率以及风险影响程度相乘并累加，存在定量化过程简单、粗犷且主观色彩强的缺点。本发明采用模糊综合评价法与神经网络相结合的定量化数学手段，使得社会稳定风险评估的更具客观性。模糊综合评价法采用模糊数学的原理来进行评估的，模糊数学擅长与解决风险因素这类具有模糊性、难以定量化的问题；神经网络通过大量样本的学习使其具备有较强的模拟能力，赋予其一些“专家”的特性，经过神经网络内部的运算可以进一步减小人的主观因素。

第二，现有技术的首要步骤是先前筛选出几个主要风险因素，再对这几个主要风险因素进行定量化计算，筛选主要风险因素的过程同样存在较强的个人主观色彩，筛选的主要因素不一定准确。本发明在评估过程中没有挑选出个别因素进行针对性评估，而是全部风险因素一起进行评估。经过神经网络的运算后得到各个风险因素的风险大小，再根据风险大小排序挑选出风险较大的因素，对这些风险较大的因素再提出针对性防范措施。这样经过计算大小后在挑选出主要风险因素更具科学性与说服力。

第三，现有技术的权重时通过评估人员或者某些专家直接确定的，该过程同样是个人主观色彩强，人为因素影响大。本发明权重的确定是通过一份广泛的社会问卷调查来计算的，而不是直接给出权重的数值。本申请提案这份问卷调查的社会群体广泛，涵盖较多社会阶层与人员，所以具备足够的代表性。本申请提案通过这个群力群策的手段来确定指标权重，使得权重更符合实际情况。

附图说明

图1是现有技术的方法流程图示意图。

图2是本发明的方法流程图示意图。

图3是本发明的建设项目社会稳定风险评估神经网络模型流程图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

本实施例提供一种基于神经网络的建设项目社会稳定风险评估方法，如图2和图3所示，包括以下步骤：

步骤s1：通过客观信息源为主、个人主观判断为辅的方式对建设项目的社会稳定风险因素进行识别，形成通用的风险清单；

步骤s2：根据社会燃烧理论，构建社会稳定风险评估指标体系，该指标体系分为三个层次，并根据有无征地拆迁，将指标体系分为四大类；

步骤s3：根据通用的社会稳定风险清单，构建一份用以进行调查的建设项目社会稳定风险因素重要性评判调查问卷；

步骤s4：对全部的主要风险因素进行评估，选取构建的指标体系中的第二层的全部指标作为评估指标，利用随机数函数构建出符合模糊综合评价法要求的隶属度矩阵；将隶属度矩阵与对应的第二层指标权重，经模糊综合评价法的运算，得出社会稳定风险值；同时，将隶属度矩阵与评判语等级向量运算得到一个单因素评判向量；

步骤s5：将单因素评判向量与对应的社会稳定风险值组合成为一个神经网络的样本，重复步骤s4直至产生足够数量的训练与检验样本，同时将样本排版并保存在excel表格中；将单因素评判向量作为神经网络的输入，社会稳定风险值作为神经网络的输出；

步骤s6：根据步骤s5中的数据，利用matlab软件按照既定的功能进行程序的编辑，构建建设项目社会稳定风险评估神经网络模型，经样本训练与检验，模型预测误差微小，达到预期目标；

步骤s7：在实际建设项目社会稳定风险评估中，采用调查问卷对本项目的社会稳定风险程度进行调查，调查分为采取风险防范措施前与采取风险防范措施后2次被调查者对项目社会稳定风险的评判；调查的对象为本项目的各方参与者(业主、设计、政府部门等)与项目涉及的相关群众，调查方式采用问卷形式，针对有无采取防范措施进行2次问卷；

步骤s8：将2次风险程度的调查问卷在excel表格中汇总成两个矩阵，并且行归一化形成本项目的隶属度矩阵，再转化为单因素评判向量；运行建设项目社会稳定风险评估神经网络模型，读取excel表格中两个单因素评判向量，模型经运算后，输出本项目在采取风险防范措施前后的两个社会稳定风险值，同时输出采取防范措施后风险因素的风险大小并进行排序。

在本实施例中，运用主观信息源与客观信息源的方法识别出通用的社会稳定风险因素，再参考期刊文献、社会稳定风险评估报告等资料进行补充，汇总出一份具有71个影响因素的社会稳定风险清单，该清单具有较强的普适性与通用性，能够运用到一般的建设项目中；则所述步骤s1中，风险清单中包括71个主要风险因素，如下表所示；所述主要风险因素根据风险因素属性进行划分，具体包括：政策规划、安置补偿、社会安全、自然环境、土地环境、社会环境、经济效益、建设管理、舆论导向、文化风俗、利益诉求、立项审批、征地拆迁、监督机制、风险管理15种类型。

在本实施例中，所述步骤s2中，所述社会稳定风险评估指标体系有三个层次：第一层有3个指标分别为燃烧物质、助燃剂、点火温度；第二层有15个指标分别为政策规划、安置补偿、社会安全、自然环境、土地环境、社会环境、经济效益、建设管理、舆论导向、文化风俗、利益诉求、立项审批、征地拆迁、监督机制、风险管理；第三层有71个指标分别对应风险清单中的因素。

在本实施例中，所述步骤s2中，所述社会稳定风险评估指标体系有四大类：第一类为无土地征收无房屋征收指标体系(无征无拆)，第二类为无土地征收有房屋征收指标体系(无征有拆)，第三类为有土地征收无房屋征收征指标体系(有征无拆)，第四类为有土地征收有房屋征收指标体系(有征有拆)。

在本实施例中，所述社会稳定风险评估指标体系中，若第三层指标的“主要”比重为bijr，则各层权重设为w，其中wi表示第一层指标的权重，wij表示第二层指标的权重，wijr表示第三层指标的权重，各层权重计算公式如下：

第三层指标权重：

第二层指标的平均比重：

第二层指标权重：

第一层的平均比重：

第一层的指标权重：

在本实施例中，所述步骤s3中，所述调查问卷针对71个风险因素的重要性进行社会调查，依据调查结果与构建的评估体系，运用数理统计的办法计算出指评估体系中各指标的权重，依据评估指标体系组建成指标权重体系。由于该指标权重具有一定的通用性，所以再运用模糊综合评价法时，该指标权重是固定的，不随建设项目的变化而变化，只有建设项目的隶属度矩阵随着建设项目的变化而变化。

在本实施例中，所述步骤s4中，选取构建指标体系中的第二层15个指标全部作为评估指标，在excel表格中运用随机数函数随机产生0至1的随机数，组建成一个15x4的矩阵，使得矩阵的每行四个数据的总和为1，由此构建出符合模糊综合评价法要求的隶属度矩阵；将隶属度矩阵与对应的第二层指标权重，经模糊综合评价法的运算，得出社会稳定风险值，同时，将隶属度矩阵与评判语等级向量[0,0.36，0.64,1]^t运算得到一个单因素评判向量。

在本实施例中，所述步骤s4中，构建符合模糊综合评价法要求的隶属度矩阵，具体为：模糊综合评判集b将指标集的权重和各指标的评价隶属度相互运算的一个排序，如下式所示：

其中模糊算式有4种情况，分别为m(∧，∨)评判算子、m(·，∨)评判算子、评判算子和m(·，+)评判算子4种模型，取大为“∨”，取小为“∧”，ai为每个风险因素所分的权重大小，模糊关系矩阵r，选取m(·，+)加权平均模型，则

在本实施例中，所述步骤s6中，建设项目社会稳定风险评估神经网络模型具备两个功能：第一个功能是得出对社会稳定风险值，并评判风险程度的高、中、低；第二个功能是对评估的风险因素进行风险大小的排序，得到作为主要风险的风险因素。

在本实施例中，所述步骤s6中，所述神经网络模型为线性神经网络，所述线性神经网络的训练关系y＝purelin(w×p+b)满足求和关系，其中y是神经网络的输出，w是权值，p是输入，b是阀值，w×p可以用来表示因素的风险大小，阀值b在训练后是个很小的数，对整体的输出y影响小。

在本实施例中，所述步骤s8中，将2次风险程度问卷调查在excel表格中汇总成两个15x4矩阵，并且行归一化形成本项目的隶属度矩阵，再转化为单因素评判向量；运行建设项目社会稳定风险评估神经网络模型，读取excel表格中两个单因素评判向量，模型经运算后，输出本项目在采取风险防范措施前后的两个社会稳定风险值，同时输出采取防范措施后15个风险因素的风险大小并进行排序。

综上所述，本发明具备以下优点：

第一，将模糊综合评价法与神经网络引入到建设项目社会稳定风险评估上来，使得评估工作更客观并程序化。

第二，采用全部的风险因素进行社会稳定风险评估，经过神经网络模型对各风险因素进行风险大小排序后，再挑选出主要风险因素。对风险值较大的风险因素采取相应的针对性防范措施。

第三，通过对大范围群体做关于建设项目社会稳定风险因素的重要程度问卷调查，从而确定建设项目社会稳定风险评估体系指标的权重值。计算指标权重不是一些专家来“打分”确定的，而是基于问卷的调查数据通过数理统计的方法确定的，使得指标权重具备通用性。

第四，针对建设项目社会稳定风险评估，通过间接“固定”指标权重，只对风险程度进行实际调查来完成评估工作。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。