基于神经网络基础设施项目投资偏离预警模型研究.docVIP

基于神经网络基础设施项目投资偏离预警模型研究 　　▲ 资助项目：重庆市教委人文社会科学研究项目，项目号：03JWSK073 　　 　　内容摘要：本文应用挣值管理理论对基础设施项目投资偏离进行定量描述，基于神经网络建立基础设施项目投资偏离神经网络预警模型，该模型包括基础设施项目投资偏离阀值模型及投资偏离预测模型，运用该模型可以对基础设施项目实施阶段的投资偏离进行预警。 　　关键词：基础设施 投资偏离 挣值管理 神经网络 预警阀值 预警模型 　　 　　近年来,我国某些行业已开始进行预警理论的研究，如企业危机管理、银行危机预警等。预警是指根据系统外部环境及内部条件的变化，对系统未来的不利事件或风险进行预测和报警。预警系统则是实现预警功能即预测和报警两种功能的一种系统。预警管理则是利用预警系统进行风险管理，并进行风险防范的一种活动。基础设施项目投资风险预警系统的核心是建立投资偏离预警模型。本文应用挣值管理理论对基础设施项目实施阶段投资偏离进行定量描述，利用神经网络建立基础设施项目投资偏离神经网络预警模型。该模型根据投资风险预警指标体系，预先设定投资偏离预警指标的阀值，根据输入项目当前的数据利用神经网络预测出下一阶段的投资偏离值，当投资偏离突破阀值时，发出预警信息。限于篇幅，本文仅讨论基础设施项目投资费用偏离的预警模型。 　　 　　基础设施项目实施阶段投资偏离的定量描述 　　 　　挣值管理(Earned Value Management，EVM )是测量项目绩效的一种方法。EVM通过比较计划的工作(PV )、实际挣得的工作(EV )和实际的花费(AC )来确定成本和进度是否按照计划进行。美国项目管理学会PMI(Project Management Institution)在《项目管理知识体系指南》(A Guide to the Project Management Body of Knowledge )PMBOK2000版中，对EV、PV、AC 进行了定义。 　　 　　 　　投资项目费用的偏离阀值模型 　　 　　于九如提出，基础设施项目建设的周期和费用的偏离，可能给投资项目带来风险。如果其偏离额度超过一定的范围，使得投资项目的内部收益率低于国家规定的基准收益率，则造成投资项目不可行。笔者对项目投资费用偏离??值模型进行了讨论。 　　设投资项目的投资为分年度支付，计划投资总额为C，计划建设工期为N年，各年投资额为Pk(k=1，2，…，N)，第k年各月的投资额分别为Pki，i 为投资项目的基准收益率。假设N年建设期中可能投资额为X，各年投资Pk(k=1，2，…，N)与计划投资总额成正比。假定在N年建设期中，从S年(S≤N)开始至第N年末，各年末的收益为Qj（j=S，S+1，…，N），同时，设投资项目建设完工后的经济寿命期为n年，各年平均盈利额为A，根据文献可得，第k年i月（记为第tki月）投资费用最大允许偏离阀值Pki为 　　 　　同理，由施工图预算、设计概算，按照前面所述的投资计划各月投资额占总投资的比例，可算出各月施工图预算和设计概算值，这就是各月投资控制的另两阀值点，它们与各月计划投资额的差构成了投资控制的另两阀值。同样按照上面的计算方法可计算出各月投资费用偏离的风险率的另两阀值。结合同类型项目的成功及失败个例，再取0与Rc(tki)之间适当另两值为阀值，这样第tki月投资费用偏离的风险率可以以五级阀值来进行控制。 　　 　　基础设施项目投资偏离神经网络预测模型 　　 　　人工神经网络(Artificial Neural Network简称ANN)是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统，是由大量简单元件相互连接而成的复杂网络。BP神经网络（Back-Propagation Network，又叫反向传播网络）通常是指基于误差反向传播算法(BP算法)的多层前向神经网络，它是D. E. Rumelhart和J. L. McCelland及其研究小组在1986年研究并设计出来的。BP算法已成为目前应用最为广泛的神经网络学习算法。BP神经网络通常具有―个或多个隐层，三层BP神经网络拓扑结构如图1所示，其中，隐层神经元通常采用Sigmoid型传递函数，而输出层神经元则采用线性传递函数。这样的BP神经网络，当隐层神经元数目足够多时，可以以任意精度逼近任何一个具有有限间断点的非线性函数。 　　 　　笔者曾讨论了基础设施项目投资偏离神经网络预测模型。该模型采用三层BP神经网络，输入神经元设为6，输出神经元设为1，中间神经元设为12。第一、二层的传递函数都选正切Sigmoid函数，第三层选线性传递函数。以各月拟完工程计划投资额Ci0组成输入矢量，分别以各月完成计划投资额Ci*，完成实际投