论文部分内容阅读
摘 要:工程项目风险评价在工程项目管理中占有重要地位,尤其在桥梁工程项目风险管理中,风险评价工作关系到桥梁建设项目带来的社会与经济效益大小。风险评价的前提条件是风险评估指标体系的建立。本文选择应用主元算法来构建指标体系,并对于这一指标体系指标选择进行了研究。
关键词:桥梁建设工程项目风险评价主元算法
中图分类号:U443 文献标识码:A 文章编号:1674-098X(2011)07(a)-0133-01
1 主元算法模型
主元算法是将某一事物的研究设计成个指标,分别用表示,这个指标构成的P维随机向量为。设随机向量的均值为,协方差矩阵为。
将进行线性变换从而形成新的综合变量,用表示,即新的综合变量可以由原来的变量线性表示,用下式表示:
因为对原始变量可以进行较自由的线性转换,所以由不同的线性变换得到的综合变量的统计特征也不尽相同。因此为了取得较好的成果,总是希望的方差尽可能大而且各之间相互独立,由于
而对任何的常数,有
我们将线性变换约束在下面的原则之下:
(1),即。
(2)与相互无关。
(3)是的一切满足原则1的线性组合中方差最大者;是与不相关的所有线性组合中方差最大者;…,是与,,…,都不相关的所有线性组合中方差最大者。
基于以上三条原则决定的综合变量,,…,分别称为原始变量的第1,第2,…,第个主成分。其中,各综合变量在总方差中占的比重会依次递减,在实际工作研究中通常只挑选前几个方差最大的主成分,从而达到简化系统结构,抓住问题实质的目的。
通过以上介绍,我们可以把主成分分析计算步骤归纳如下:
(1)计算相关系数矩阵。
(1)
在公式(1)中,为原来变量与的相关系数,其计算公式为。
(2)
因为是实对称矩阵(即),所以只需计算其上三角元素或下三角元素即可。
(2)计算特征值与特征向量。
首先解特征方程求出特征值,并使其按大小顺序排列,即;然后分别求出对应于特征值的特征向量。
(3)计算主成分贡献率及累计贡献率。
主成分贡献率:,累计贡献率:。一般取累计贡献率达75-95％的特征值所对应的第1,第2,……,第个主成分,贡献率取值受到主成分数目决定。
(4)计算主成分载荷。
(3)
由此可以进一步计算主成分得分
(5)计算载荷矩阵特征向量求出特征值对应下的特征向量。
(6)线性表示出各主成分,。
(7)综合主成分,表示方差贡献率Variance。最终计算出各因素下的综合主成分值。
2 桥梁建设工程项目风险评价指标体系构建
根据桥梁建设工程项目风险的识别结果和指标体系构建的原则,构建出用于桥梁建设工程风险评估的指标体系,该体系分为三个层次,层次间具有很强的关联性以及内部规律性。第一层是总目标,即桥梁建设工程项目风险;第二层是一级指标,主要包括五类方面一级指标:社会经济方面风险、自然环境方面风险、组织管理方面风险、规划设计方面风险、建设施工过程方面风险;第三层是二级指标也就是具体因素层。本文共选择了20个具体指标,社会经济方面风险包括路面交通疏导、物价上涨幅度、利率波动三方面;自然环境方面风险包括地下物情况、土壤硬度、地质情况、水速与水量、天气状况五方面;组织管理方面风险包括财务管理、监督管理、风险应急预案、合约管理、人员素质五方面;规划设计方面风险包括方案合理性、内容详实性、可操作性三方面;建设施工方面风险包括安全保障、前期准备、施工技术应用、工期管理四方面。
这些具体指标是桥梁建设工程项目风险评价的基础,是专家打分的基础,根据指标风险发生概率和影响程度判断出整个桥梁建设工程的风险程度。将选择的具体指标与各位专家相结合将会形成风险发生概率与影响程度赋值表格,表格的中的数据位置与选择使用的模型计算要求相符。如果将风险发生概率放置在左方,主元算法测算的结果表示风险因素发生概率在11位专家赋值下的综合得分,为了区别风险发生概率评估体系与风险影响程度评估体系,构成影响程度评估指标体系,根据主元算法模型计算的特征和要求,在测算各指标风险时指标体系表的左侧内容用用、、,…,,11位专家使用Ⅰ,Ⅱ,Ⅲ,…,Ⅺ依次表示。将指标安排在表格左侧,专家赋值安排在顶端,原因是为了配合选择的主元算法模型使用。选择使用主元算法模型的主要目的是使用该模型的降维性能和高度保留原始数据性质的性能,对高度复杂的主观数据进行综合取得一维数据,在这个过程没有存在二次主观权重赋值,所以相对具有准确度,测算出的结果具有明确的排序性,所以也可以确定出影响程度较大的指标因素。将风险发生概率评估体系定义为桥梁建设工程风险评估体系,其目的是为了测算各风险因素的发生概率排序。各指标下的专家赋值是该指标在桥梁建设工程下其风险发生的概率大小情况,是从另一角度研究桥梁建设工程面临风险的方法。
参考文献
[1] 张杰.大跨度桥梁施工期风险分析方法研究[D].同济大学博士学位论文,2007:127.
[2] 张春林.浅谈济南黄河二桥施工的几项技术控制措施[J].山东交通科技,2000(3):22～24.
关键词:桥梁建设工程项目风险评价主元算法
中图分类号:U443 文献标识码:A 文章编号:1674-098X(2011)07(a)-0133-01
1 主元算法模型
主元算法是将某一事物的研究设计成个指标,分别用表示,这个指标构成的P维随机向量为。设随机向量的均值为,协方差矩阵为。
将进行线性变换从而形成新的综合变量,用表示,即新的综合变量可以由原来的变量线性表示,用下式表示:
因为对原始变量可以进行较自由的线性转换,所以由不同的线性变换得到的综合变量的统计特征也不尽相同。因此为了取得较好的成果,总是希望的方差尽可能大而且各之间相互独立,由于
而对任何的常数,有
我们将线性变换约束在下面的原则之下:
(1),即。
(2)与相互无关。
(3)是的一切满足原则1的线性组合中方差最大者;是与不相关的所有线性组合中方差最大者;…,是与,,…,都不相关的所有线性组合中方差最大者。
基于以上三条原则决定的综合变量,,…,分别称为原始变量的第1,第2,…,第个主成分。其中,各综合变量在总方差中占的比重会依次递减,在实际工作研究中通常只挑选前几个方差最大的主成分,从而达到简化系统结构,抓住问题实质的目的。
通过以上介绍,我们可以把主成分分析计算步骤归纳如下:
(1)计算相关系数矩阵。
(1)
在公式(1)中,为原来变量与的相关系数,其计算公式为。
(2)
因为是实对称矩阵(即),所以只需计算其上三角元素或下三角元素即可。
(2)计算特征值与特征向量。
首先解特征方程求出特征值,并使其按大小顺序排列,即;然后分别求出对应于特征值的特征向量。
(3)计算主成分贡献率及累计贡献率。
主成分贡献率:,累计贡献率:。一般取累计贡献率达75-95％的特征值所对应的第1,第2,……,第个主成分,贡献率取值受到主成分数目决定。
(4)计算主成分载荷。
(3)
由此可以进一步计算主成分得分
(5)计算载荷矩阵特征向量求出特征值对应下的特征向量。
(6)线性表示出各主成分,。
(7)综合主成分,表示方差贡献率Variance。最终计算出各因素下的综合主成分值。
2 桥梁建设工程项目风险评价指标体系构建
根据桥梁建设工程项目风险的识别结果和指标体系构建的原则,构建出用于桥梁建设工程风险评估的指标体系,该体系分为三个层次,层次间具有很强的关联性以及内部规律性。第一层是总目标,即桥梁建设工程项目风险;第二层是一级指标,主要包括五类方面一级指标:社会经济方面风险、自然环境方面风险、组织管理方面风险、规划设计方面风险、建设施工过程方面风险;第三层是二级指标也就是具体因素层。本文共选择了20个具体指标,社会经济方面风险包括路面交通疏导、物价上涨幅度、利率波动三方面;自然环境方面风险包括地下物情况、土壤硬度、地质情况、水速与水量、天气状况五方面;组织管理方面风险包括财务管理、监督管理、风险应急预案、合约管理、人员素质五方面;规划设计方面风险包括方案合理性、内容详实性、可操作性三方面;建设施工方面风险包括安全保障、前期准备、施工技术应用、工期管理四方面。
这些具体指标是桥梁建设工程项目风险评价的基础,是专家打分的基础,根据指标风险发生概率和影响程度判断出整个桥梁建设工程的风险程度。将选择的具体指标与各位专家相结合将会形成风险发生概率与影响程度赋值表格,表格的中的数据位置与选择使用的模型计算要求相符。如果将风险发生概率放置在左方,主元算法测算的结果表示风险因素发生概率在11位专家赋值下的综合得分,为了区别风险发生概率评估体系与风险影响程度评估体系,构成影响程度评估指标体系,根据主元算法模型计算的特征和要求,在测算各指标风险时指标体系表的左侧内容用用、、,…,,11位专家使用Ⅰ,Ⅱ,Ⅲ,…,Ⅺ依次表示。将指标安排在表格左侧,专家赋值安排在顶端,原因是为了配合选择的主元算法模型使用。选择使用主元算法模型的主要目的是使用该模型的降维性能和高度保留原始数据性质的性能,对高度复杂的主观数据进行综合取得一维数据,在这个过程没有存在二次主观权重赋值,所以相对具有准确度,测算出的结果具有明确的排序性,所以也可以确定出影响程度较大的指标因素。将风险发生概率评估体系定义为桥梁建设工程风险评估体系,其目的是为了测算各风险因素的发生概率排序。各指标下的专家赋值是该指标在桥梁建设工程下其风险发生的概率大小情况,是从另一角度研究桥梁建设工程面临风险的方法。
参考文献
[1] 张杰.大跨度桥梁施工期风险分析方法研究[D].同济大学博士学位论文,2007:127.
[2] 张春林.浅谈济南黄河二桥施工的几项技术控制措施[J].山东交通科技,2000(3):22～24.