基于 BP 神经网络的项目整体开发建设时序预警研究

0、引言

在区域整体开发项目中，由于存在多个建设周期不同的建设目标，涉及到的前期流程、工程系统和组织系统复杂，各条线交错或并列进行，界面划分难度大，综合管理难度极高；另外，部分区域开发项目的周边环境复杂，存在遗留问题工程或正在建设中的工程，片区间的施工环境受到相互干扰，可能会对工程进度造成负面影响；因此对于涉及到多个建设主体的大型区域项目，建设时序控制是关键。

为此本位利用BP神经网络引入到建设时序预警模型中，通过对因素的发生和与进度的影响建立拟合关系，实现区域整体开发项目的动态预警，为后续的进度控制奠定基础。

1、BP 预警方法概述

神经网络是模拟人脑神经网络的一种学习方法，它具有输入层、隐含层和输出层的多层次的网络结构如图 1，整个神经网络结构可以看成一个非线性函数，输入值为自变量，输出值为因变量。它具有强大的优势如：高效的并行分布处理、高效的非线性映射、可靠的训练机制以及强大的自我调整、自我恢复、自我调整的功能。

利用神经网络预警过程中，只需确定模型样本输入和理想输出，通过样本对模型进行训练确定适合的权值和阈值，并利用数据进行测试，模型会根据选择的学习方式对待测样本进行预测。BP 神经网络可以避免复杂的参数估计过程并降低主观因素的影响。

图 1 神经网络拓扑结构

2、项目群建设时序影响因素分析及评价指标

本文通过文献调查法对建设时序影响因素进行识别。由于文献调查法获得的因素数量大且有重复，不利于后续的数据处理，因此运用扎根理论对已得到的因素标签数据进行处理，对已提取的相关文献中的概念化影响因素标签去重，并进行凝练如表 1。最后利用专家调查法，对凝练后的影响因素标签进一步删选，邀请了 7 位在项目群进度管理工作经验五年以上的专家，其工作内容不仅限于复杂项目建设时序管理。最终得到最终建立人–资–管–技–环5 项一级指标、12 项二级指标的建设时序预警影响因素指标体系，如表 2 所示。

表 1 影响因素识别标签

3、BP 神经网络预警模型建立

根据前文建立的实建设时序影响因素指标，收集项目群施工时，影响因素和进度滞后的样本数据，通过 BP 神经网络训练和测试样本，将现场出现的影响因素信息导入 BP 神经网络训练好的模型中，实现建设时序预警功能。

3.1 指标体系数据化

将前文的指标体系转化为数据类信息，转化标准如表 2 所示，数据化的信息 可以直接输入到 BP 网络中对网络进行训练及测试。

表 2 建设时序预警影响因素指标数据化

3.2 基于 BP 神经网络预测模型建立

BP 神经网络预测模型得基本过程如下：

第一步：训练样本得获取，通过专家调查和现场实际进度案例收集获得训练样本和测试样本。

第二步：神经网络结构得确定，本文将采用但隐含层得网络结构，隐含层节点数得确定是一个难点，没有固定得公式，因此根据相关文献参考，采取目前效果较好得得经验公式，如下式，其中 m 为隐含层神经元个数，n 为输入层个数，l 为输出层个数。

第三步：利用 MATLAB 软件进行模型训练，当实际输出与期望值的误差达到我们预先设定的 误差范围或网络训练过程中达到预先设置的训练次数时，则该网络的训练停止。

4、案例分析

4.1 数据收集

由于建设时序影响指标大部分为定性值，因此本文数据收集采用问卷调查和项目实际调查两种方式进行，得到 72 组数据，其中 65 组为训练样本，7 组为测试样板，如表 3，理想输出为 100 代表进度严重滞后，输出 10 代表进度滞后，输出 1 代表进度正常。

表 3 数据收集（部分）

4.2 模型效果分析

根据前面公式，输入值为 12 个，输出值为 3 个，则隐含层神经元个数设定为 6，建立 12+6+3 的神经网络结构。通过 MATLAB 进行训练集测试，得到相应的分析图如图 2，查看此次训练结果的回归预测分析，拟合效果良好。

图 2 训练集、测试集预测结果对比分析图

测试数据集输出结果如下表，输出结果基本符合理想输出，因此利用 BP 神经网 络进行建设时序预警是可行的。

表 4 测试集理想输出与仿真输出对比表

5、结论

本文通过文献调查法深入分析了区域开发项目建设时序影响因素，然后利用层次分析法，总结出来五个方面共 12 项关键因素，全面反映了建设时序控制时需重点关注的内容，为后续的进度管控提供了基础。探索了进度滞后预警模型的研究，通过 BP神经网络成功实现了进度滞后的预警，效果良好，为进度控制提供了新的思路。

参考文献

[1] 胡正军.新能源基建工程项目进度管理及影响因素分析[J].低碳世界， 2024，14（08）：192-194.DOI：10.16844/j.cnki.cn10-1007/tk.2024.08.036.

[2] 吕国敏， 陈利雄， 等. 建筑工程项目施工进度影响因素分析[J]. 黑龙江科学，2021，12（10）：162-164.

[3] 向 宏 贤 . 电 力 基 建 工 程 项 目 进 度 管 理 的 影 响 因 素 分 析 [J]. 时 代 农机，2018，45（03）：121.

[4] 张宁， 肖轶萌. 大型复杂机场工程项目群建设时序研究[J]. 项目管理技术，2022，20（04）：61-68.

[5] 陈婉， 陈宽民，王兵.城市轨道交通建设时序影响因素分析[J]. 西部交通科技，2015，（08）：86-89+95.DOI：10.13282/j.cnki.wccst.2015.08.021.

[6] 蔡明洲.高速公路工程项目施工进度影响因素分析[J].高等函授学报（自然科学版），2007，（04）：14-15+24.

[7] 侯霁珈.惠州金山分区市政道路项目施工进度风险管理研究[D].兰州交通大学，2022.DOI：10.27205/d.cnki.gltec.2022.001369.

[8] 朱海明，王顺超，王嘉晨，等.基于数字孪生的山岭地区高速公路施工进度管理研究 [J]. 土 木 建 筑 工 程 信 息 技 术 ， 2023，15（02）：37-43.DOI：10.16670 /j.cnki.cn11-5823/tu.2023.02.07.

[9] 王张军.地铁隧道 TBM 施工进度风险管理研究[D].兰州交通大学， 2020.DOI：10.27205/d.cnki.gltec.2020.000795.

[10] 孙 毅 . 大 型 区 域 综 合 开 发 建 设 时 序 策 划 及 管 理 [J]. 建 设 监 理 ，2022， （06）：5-8+12.DOI：10.15968/j.cnki.jsjl.2022.06.002.

[11]杨振国.区域综合开发项目市政道路建设时序研究——以上海市龙阳路交通枢纽项目为例[J].建设监理，2023，（07）：19-20+31.DOI：10.15968 /j.cnki. jsjl.2023.07.022.

[12] 姜文平. 深圳国际会展中心片区复杂项目群建设时序策划[J]. 建设监理，2018，（05）：26-30.DOI：10.15968/j.cnki.jsjl.2018.05.007.